不知道是不是错觉，tensorflow比pytorch容易报错，记录一下踩的坑。
随时更新。
1 Loaded runtime CuDNN library: 7.4.1 but source was compiled with: 7.6.0
初始环境：tensorflow2.0（gpu）、CUDA 10.0、Cudnn 7.4.1、Windows 10
训练卷积神经网络（使用Conv2d类时）报错：
Loaded runtime CuDNN library: 7.4.1 but source was compiled with: 7.6.0.
然而官网的 tensorflow2.0（gpu）的环境要求却写了CUDA 10.0、Cudnn 7.4，误导作用明显。
报错直接提示了解决方案，把Cudnn升级到7.6.0即可，升级方法和安装Cudnn方法相同，去官网下载对应的Cudnn版本，覆盖源文件即可。也可以参考下面的参考资料。
参考资料：
版本不匹配||Loaded runtime CuDNN library: 7.4.2 but source was compiled with: 7.6.0. CuDNN library major
2 自定义的模型不能保存
环境：tensorflow2.0（gpu）、CUDA 10.0、Cudnn 7.6.0、Windows 10
使用tf.keras.models.save_model(model, 'path')保存模型时报错：
ValueError: Model <resnet.Resnet object at 0x000001A9E61DBC50> cannot be saved because the input shapes have not been set. Usually, input shapes are automatically determined from calling .fit() or .predict(). To manually set the shapes, call model._set_inputs(inputs).
参考资料：
1.stackoverflow
2.Github： Model cannot be saved because the input shapes have not been set. #39906
我的解决方案：
model初始化后，在build()中指定input_shape后，再写上model.compute_output_shape(input_shape=(None, 32, 32, 3))即可。
可以保存了：
文章出处登录后可见！
