我从Code Project | A Complete guide to self driving car运行drive.py程序
但是当我启动程序时出现错误：
未创建 XLA 设备，未设置 tf_xla_enable_xla_devices
有谁知道我该如何解决这个问题？我应该下载或重新安装什么？
我用：
Python 3.8.7
CUDA 11.0
张量流 2.4.1 在http://0.0.0.0:4567/ 上我当然什么也没看到
【问题讨论】：
标签： python tensorflow
请在您的脚本开头添加以下内容：
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
【讨论】：
export TF_XLA_FLAGS=--tf_xla_enable_xla_devices 如果你想在命令行中设置它。
或者，可以在 Windows 系统设置中设置环境变量：TF_XLA_FLAGS = --tf_xla_enable_xla_devices。
根据this discussion，这有助于更有效地使用 GPU，而不是简单地忽略信息。
【讨论】：
通常此消息不应干扰。
请尝试
import tensorflow as tf
print("GPUs: ", len(tf.config.experimental.list_physical_devices('GPU')))
检查它们是否被检测到。
如果需要，请查看 github 上的发行说明：
XLA:CPU 和 XLA:GPU 设备默认不再注册。如果您确实需要它们，请使用 TF_XLA_FLAGS=--tf_xla_enable_xla_devices，但该标志最终将在后续版本中删除。
【讨论】：
我不确定 Tensorflow 的 XLA:CPU 和 XLA:GPU 是否会“在后续版本中删除”。 XLA:CPU 被描述为在 GPU 执行用于建模 Tensorflow 的代码时提供对 CPU 的访问。 XLA 功能在设置环境变量后，允许 CPU 在特定的关键性能阶段“提供帮助”，从而加速人们通常认为需要 GPU 的过程。 https://www.tensorflow.org/xla 对此进行了解释。
我还没有找到关于如何在 R 或者更具体地说是 Rstudio 中设置所需环境变量的明确说明。在另一篇博客中，个人建议 (a) 添加一个环境路径变量以打开一般的 XLA，然后再添加一个专门供 Tensorflow 使用的变量。
设置正确的环境变量可能因操作系统、脚本程序（Python vs R vs Windows Ubuntu）以及安装的 CUDA 和 CUDNN 版本而异。
对我来说最重要的是查看未设置的特定环境变量的输出，从而导致 XLA 无法激活。而且，XLA 可能需要在整个 R 会话或脚本中激活。
在我的例子中，使用 Ubuntu 20.04 运行带有 NVIDIA GPU 和驱动程序版本 470.57.02、CUDA-11.4 和 CUDNN8_8.2.4.15（与 CUDA 11.4 一起使用）的 Rstudio 2021.09.0，以下两个 R Setenv( ) 命令导致我自己的“XLA 错误”在我的 Rstudio 脚本的输出中消失：
Sys.setenv("XLA_FLAGS=--xla_gpu_cuda_data_dir"="/usr/local/cuda-11.4")
Sys.setenv("TF_XLA_FLAGS"="--tf_xla_enable_xla_devices")
请注意，两个环境变量都已设置，xla_gpu_cuda_data 的目录在 /usr/local/cuda-11.X 中正确命名。
此外，重新启动时（或终端中的source 命令）在用户配置文件脚本（我的是.profile）中设置的环境PATH 和LD_LIBRARY_PATH 变量也需要指示正确的cuda 目录。
【讨论】：