1. 程式人生 > >tensorflow 1.8 無法呼叫GPU的問題

tensorflow 1.8 無法呼叫GPU的問題

1) spyder情況下執行課程以上鍊接中的train.py,錯誤提示:InternalError (see above for traceback): CUB reduce errorinvalid device function。我之前用CPU版本的 tf 是可以執行的,跑了一個小時沒完,我才切換到GPU的tf版本,然後問題來了...

2)cuda應該是安裝正確的,9.0版本,win7系統,證據如下

3)cudnn 是7.x的版本,這個不知怎麼檢測是否安裝爭取,但應該沒啥問題

4)tf-gpu安裝的是1.8,py3.6版本

5)用官方的方法不顯示 tf 是否呼叫的GPU,只顯示個結果,如下圖。但網上都說顯示的。。。

https://blog.csdn.net/qq_33186949/article/details/79104659

6)後面我在jupter裡面嘗試了上面的程式碼,在日誌裡面顯示如下,這應該是呼叫了GPU才對的

小弟是做天線的,目前就只有matlab處理簡單資料的經驗,週六加班周天搞了一天也沒搞定,求大佬指教,感激不盡~~

相關推薦

tensorflow 1.8 無法呼叫GPU的問題

1) spyder情況下執行課程以上鍊接中的train.py,錯誤提示:InternalError (see above for traceback): CUB reduce errorinvalid device function。我之前用CPU版本的 tf 是可以執行

tensorflow 1.8 測試gpu程式碼

 檢視日誌資訊若包含gpu資訊,就是使用了gpu。  下面的程式碼檢視日誌資訊,如果包含gpu資訊就是使用了gpu import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_pla

Ubuntu 18.04上CUDA 9.0、cuDNN7.0及Tensorflow 1.8的安裝

http amd64 時間 com ++ dnn 7 清華 配置 示例 配置 筆者使用Dell Inspiron 7559筆記本電腦,顯卡為NVIDIA GTX 960M。 目標 由於本機顯卡僅有nvidia-384驅動包能夠良好支持(nvidia-387、nvidia-3

Tensorflow 1.8 原始碼安裝

Tensorflow原始碼安裝 cuda 9.2 / cudnn 7.2 / python3.5 / tensorflow 1.8 1. anacanda 啟動命令 root$ source activate python3.5 2. cuda 3

win8.1 64位+Anaconda3-5.0.1+cdua9.0+cuDNN v7.0.5+tensorflow 1.8.0 深度學習環境搭建小記

前言: 完全不會深度學習,只是知道有這麼一種數學程式設計技術,和人工智慧有關,很火,上一週在某公眾號灌水的時候, 獲贈送一本<Python 機器學習預測分析核心演算法>,僅此而已。前幾天突然心血來潮,學著安裝深度學習的環境,碰到幾個大坑,安裝和解除安裝An

Ubuntu16.04下CUDA 9.0 + cuDNN v7.0 + tensorflow 1.6.0(GPU)環境搭建

由於自己攢了個主機,第一次安裝GPU版本的tensorflow,mark一下。說一下環境的版本:系統:Ubuntu 16.04.3顯示卡:gtx 1080(索泰 至尊Plus OC)CUDA 9.0cuDNN v7.0.5 for CUDA 9.0tensorflow 1.6

ubuntu 安裝tensorflow-gpu==1.8

先到Anaconda 官網下載 anaconda3 (5.2.0), 接著安裝sh anaconda3.sh 接著在命令列 conda install tensorflow-gpu==1.8 接著conda install keras-gpu 還有conda install open

win10 + python3.6 + tensorflow-gpu 1.8 下安裝 CUDA9.0 +CUDNN7.1.4

1.使用anaconda建立tensorflow環境,我的筆記本有塊gtx 765顯示卡,所以使用的是tensorflow gpu,並更新到1.8版本 2.官網更新最新顯示卡驅動,安裝cuda9.0    精簡安裝即可      解壓後複製到CUDA

Keras無法呼叫tensorflow-gpu的解決方案

今天用keras訓練時發現記憶體佔用率出奇的高,而且視訊記憶體佔用率出奇的低,原來keras沒有用gpu訓練。 通過 pip list 看到同時安裝了tensorflow和tensorflow

ubuntu下解除安裝cuda8.0,和安裝cuda9.0,cudnn7.0,tensorflow-gpu=1.8

簡介最近使用tensorflow object detection訓練自己的資料集時,出現了AttributeError: module 'tensorflow.contrib.data' has no attribute 'parallel_interleave'主要的原因

Tensorflow系列00:Win10下TensorFlow-gpu 1.8+cuda_9.0+cudnn安裝

安裝TensorFlow基礎環境 1.1 確定windows版本和想安裝的Tensorflow的本版號: Win 10 64 位 python 安裝包 Anaconda3-5.1.0-Windows-x86_64.exe cuda_9.0.176

subversion-1.8.17+apache2.2.32   http無法訪問中文倉庫名

svn apache mod_dav_svn utf-8 can't convert string from 'utf-8' to native encodingSVN從Windows遷移到linux在搭建好環境後,中文名字的倉庫無法通過http訪問命令行測試正常svn c

TensorFlow版本更新(從1.0升到1.8),查詢版本

先設定pip下載優先選擇清華映象,這樣下載快很多 pip install pip -U pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 安裝命令: 對於 GPU 版本: (也可以用pip3)

7 Recursive AutoEncoder結構遞迴自編碼器(tensorflow)不能呼叫GPU進行計算的問題(非機器配置,而是網路結構的問題)

一、原始碼下載 程式碼最初來源於Github:https://github.com/vijayvee/Recursive-neural-networks-TensorFlow,程式碼介紹如下:“This repository contains the implementation of a single h

windows 8 + Tensorflow 1.10.0 + Python 3.6.4 + CUDA 9.0 + CUDNN7.3.0配置

windows 8 + Tensorflow 1.10.0 + Python 3.6.4 + CUDA 9.0 + CUDNN7.3.0配置 一、首先安裝TensorFlow 因為anaconda可以更方便的進行包的管理,所以先裝了一波anaconda,然後pip install

TensorFlow版本更新(從1.0升到1.8

先設定pip下載優先選擇清華映象,這樣下載快很多 pip install pip -U pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 安裝命令: 對於 GPU 版本: (

1.8-s2是否是s1的rotation(呼叫一次isSubstring)

Assume you have a method isSubstring which checks if one word is a substring of another. Given two strings, s1 and s2, write code to chec

《CTCI》1.8 呼叫一次isSubstring判斷旋轉字串

《CITI》P116 1 陣列與字串 題目: 1.8 Assume you have a method isSubstring which checks if one word is a substring of another. Given two

Ubuntu 16.04 GTX950M + cuda9.0 + cuDNN7.0 + TensorFlow 1.5 / 1.8 安裝記錄

一、安裝NVIDIA驅動 關閉x-server,ctrl + alt + F1 進入終端介面,登陸 sudo service lightdm stop (X server將會被關閉。可以使用ctrl + alt + F7 檢查一下)禁用 nouveau

Ubuntu 16.04下安裝Cuda 8.0, Anaconda 4.4.0和TensorFlow 1.2.1

原文連結:http://blog.csdn.net/jinzhuojun/article/details/77140806 Cuda 如果配了Nvidia卡的,可以考慮安裝Cuda,這樣之後可以用GPU加速。之前寫過一篇在Ubuntu 14.04上裝Cuda 7.5的文章(