背景：
最近遇到了一个较为头痛的问题，连续改BUG两天最终才解决掉，解决此问题流程及方法如下：
此问题是在tf-gpu=2.3、cuda=10.1、cudnn=7.4.2环境下出现在（tf的cpu版本时，是可以跑通模型的）。
具体BUG情况如下：
1、failed to create cublas handle: CUBLAS_STATUS_NOT_INITIALIZED
2、Blas GEMM launch failed :
tensorflow.python.framework.errors_impl.InternalError: Blas GEMM launch failed : a.shape=(2048, 2), b.shape=(2, 768), m=2048, n=768, k=2
[[{{nodeStatefulPartitionedCall/StatefulPartitionedCall/transformer_encoder/StatefulPartitionedCall/type_embeddings/MatMul}}]] [Op:__forward_restored_function_body_32773]
Function call stack:
restored_function_body
以下办法总有适合你的一个：
1.在主代码最上面尝试加入(允许GPU占用问题)：
import tensorflow as tf
physical_devices = tf.config.list_physical_devices('GPU')
for device in physical_devices:
tf.config.experimental.set_memory_growth(device, True)
2.在主代码最上面又尝试加入：
configuration = tf.compat.v1.ConfigProto()
configuration.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=configuration)
3.在主代码最上面又又尝试加入：
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.8)
sess=tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
4.GPU占用问题(杀掉之前用到GPU的项目)：
ps -aux | grep program_name
kill -9 PID
5.删除带有.nv的文件：
sudo rm -rf ~/.nv/
6.batch_size太大，那就一步一步缩小喽，还能有啥办事嘞(下面还有哈哈哈)
7.上面都不行直接重启服务器吧，兄弟们reboot用起来。
以上的方式对我都不适用，最终我选择了重装NVIDIA驱动、cuda、cudnn
下篇将详细介绍如何进行重装具体版本，以及如何解决了tensorflow.python.framework.errors_impl.InternalError: Blas GEMM launch failed：XXX这个让人头疼的B！U！G！
引用
[1]:https://stackoverflow.com/questions/43990046/tensorflow-blas-gemm-launch-failed