在GPU上使用tensorflow训练模型，使用Adadelta优化器无法工作。但当我用Adam替换Adadelta时，似乎没有任何问题。

在GPU上使用tensorflow训练模型时，如果使用Adadelta优化器无法工作，但当替换为Adam优化器时，似乎没有任何问题。

首先，Adadelta和Adam都是常用的优化器算法，用于调整神经网络模型中的权重和偏置，以最小化训练误差。它们在训练过程中具有不同的特点和表现。

Adadelta是一种自适应学习率算法，它根据参数更新的历史信息来自动调整学习率。它的优势在于能够自适应地调整学习率，适应不同参数的更新速度，从而更好地收敛到最优解。然而，由于Adadelta算法的实现方式，它对于GPU的计算能力要求较高，可能会导致在某些GPU环境下无法正常工作。

相比之下，Adam优化器结合了Adagrad和RMSprop的优点，具有较好的性能和收敛速度。它使用了一阶矩估计和二阶矩估计来自适应地调整学习率，并且对于稀疏梯度和噪声有一定的鲁棒性。在GPU上使用Adam优化器通常能够获得较好的训练效果。

如果在GPU上使用Adadelta优化器无法工作，但使用Adam优化器却没有问题，可能是由于Adadelta算法在某些GPU环境下的实现存在一些问题，或者是由于Adadelta算法对于当前的训练任务不太适用。建议尝试以下几个步骤来解决问题：

1. 确保tensorflow和GPU驱动的版本兼容，并且已正确安装和配置。可以查看tensorflow官方文档或相关论坛获取更多信息。
2. 尝试更新tensorflow和相关依赖库的版本，以确保使用的是最新的稳定版本。
3. 调整Adadelta优化器的参数，如学习率、衰减因子等，尝试不同的参数组合，以寻找适合当前训练任务的设置。
4. 如果问题仍然存在，可以考虑使用其他优化器算法，如Adam、SGD等，以找到适合当前GPU环境和训练任务的优化器。

腾讯云提供了丰富的云计算产品和服务，包括云服务器、GPU实例、AI推理、容器服务等，可以满足各种云计算需求。具体推荐的产品和产品介绍链接地址可以参考腾讯云官方网站或咨询腾讯云的客服人员。