我尝试在GPU的vRAM使用率大于96%的服务器上运行：b = tf.constant(c')e = tf.add(d, c, name='e')
device
浏览 19提问于2017-02-24得票数 1
回答已采纳
有时，我想隐藏所有的CPU，以便基于TensorFlow的程序只使用CPU。： device_count={'CPU': 1, 'GPU': 1},
allow_soft_placement=={'GPU': 0}来防止基于TensorFlow</
浏览 2提问于2017-02-23得票数 4
回答已采纳
2回答
我有一个用python tensorflow训练并保存的模型。现在，我想在c++应用程序中执行预测。我像这样加载模型(在Tensorflow 1.3.1上)：
tensorflow::Status status = tensorflow::LoadSavedMo
浏览 14提问于2018-01-24得票数 1
回答已采纳
有没有办法完全在CPU上运行TensorFlow？我机器上的所有内存都被运行TensorFlow的单独进程占用。我已尝试将per_process_memory_fraction设置为0，但未成功。
浏览 2提问于2017-06-15得票数 38
回答已采纳
当使用Tensorflow (w/ GPU支持)处理从OpenCV (3.4.3，使用Python )实时捕获的一些特性时，每当启动tf会话后尝试从捕获中获取read时，都会从cuDNN获得以下错误：我认为问题在于OpenCV和Tensorflow同时通过CUDA使用GPU，而GPU内存不足。我目前使用的解决方法是首先使用OpenCV进行捕获，然后在实际需要时启动tf<e
浏览 0提问于2018-11-04得票数 1
我正在使用Tensorflow 2.0的Keras。我想限制使用CPU的数量。然而，它在以前版本的Tensorflow中的工作方式已经不能再使用了：
tf.keras.backend.set_session(tf.compat.v1.Session(config=tf.compat.v1.Config
浏览 0提问于2019-09-13得票数 9
回答已采纳
我正在尝试使用Vgg16微调一个colaboratory模型，但是我在使用GPU进行训练时遇到了这个错误。0 0]]]...>, _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]
Caused by op 'vgg_16/fc6/weights/Momentum/In
浏览 1提问于2018-01-29得票数 7
回答已采纳
进程: GPU内存\ GPU类型进程名的使用在tensorflow在中间停止后，不会释放nvidia-smi内存。试着用这个config.gpu_options.alloc
浏览 2提问于2017-09-08得票数 2
回答已采纳
我正在使用“朋友对话”作为一个数据集来训练使用GPT-2进行会话AI，然而，这表明我已经没有记忆了。我知道这个问题已经在StackOverflow上解决了，但是我无法找到对NLP任务的优化。我已经尝试将批处理大小设置为50 (我的数据集大约有60k行)。我一直在关注这个关于在自定义数据集中重新培训GPT-2的。我的系统规格是: OS: Windows 10 RAM: 16 GB CPU: i7第8代GPU</
浏览 2提问于2019-05-25得票数 5
回答已采纳
你好，我有TypeError:无法理解的类型：'numpy.ndarray‘import globimport randomimport[0],index[1],np.zeros(len(index[0]),dtype = np.int64) + i)我
浏览 11提问于2022-03-24得票数 0
我正在尝试运行两个不同的Tensorflow会话，一个在GPU上(它做一些批处理工作)，另一个在我用于快速测试的CPU上，而另一个在运行。问题是，当我生成指定with tf.device('/cpu:0')的第二个会话时，会话试图分配GPU内存并使另一个会话崩溃。('&#
浏览 0提问于2017-06-12得票数 12
回答已采纳
12回答
我已经在Ubuntu14.04上安装了GPU版本的tensorflow。我想在CPU上运行tensorflow。通常，我可以使用env CUDA_VISIBLE_DEVICES=0在GPU 0上运行。
我如何在CPU之间进行选择呢？我没有在用
浏览 12提问于2016-06-06得票数 187
回答已采纳
我已经在多GPU和CPU设置上训练了一个网络，并将结果模型保存为tensorflow SavedModel。然后，我有了另一个脚本，它可以加载生成的模型并运行所需的操作来进行预测，即对模型运行推断。原始错误：
无法为操作分配设备default_policy_1/task_1/变量:节点default_policy_1/task_1/变量(定义在</em
浏览 0提问于2019-05-22得票数 5
回答已采纳
我希望指定要运行我的进程的gpu。我把它设为：with tf.device('/gpu:0'):with tf.Session() assess: print sess.run(a)
但是，它仍然在我的两个gpus中分配内存。| 0
浏览 6提问于2016-10-16得票数 56
回答已采纳
7回答
我正在运行一个Keras模型，提交期限为36小时，如果我在cpu上训练我的模型将需要大约50小时，有办法在gpu上运行Keras吗？我正在使用Tensorflow后端，并在我的木星笔记本上运行它，没有安装anaconda。
浏览 15提问于2017-08-13得票数 163
回答已采纳
我正在尝试在仅使用CPU的GCP dataproc spark集群上使用tensorflow多工作者策略，使用以下链接：https://cloud.google.com/blog/products/data-analytics/faster-machine-learning-dataproc-new-initialization-action 但是在启动集群后，每当我尝试创建spark会话时，都会收到错误: o
浏览 15提问于2021-05-07得票数 2
1回答
我在训练我的模型时遇到了一些问题，特别是，训练速度有时快，有时慢(在每秒2-10层之间波动)。在使用张量板检查网络操作后，我发现tf.matmul()节点在CPU设备上运行。详情如下：这让我非常困惑，我试图使用tf.device('/gpu:0')来执行运行在GPU上的节点，我也试图降低tensorflow版本，但这些工作都没有。(
tf.ex
浏览 6提问于2021-12-14得票数 1
执行以下操作：sess = tf.Session()尽管我已经正确地导入了Keras和TensorFlow
浏览 7提问于2016-12-19得票数 5
我在CPU上创建了一个嵌入层，在gpu:0上创建了一个LSTM，在gpu:1上创建了一个softmax层。然后，我创建了一个类似于这样的培训操作：train_op = optim.minimize(final_loss)
由于内存不足，训练失败。启用设备放置日志显示，softmax<e
浏览 0提问于2016-03-21得票数 4
回答已采纳
在带有独立keras 2.X的tensorflow 1.X中，我曾经使用以下代码片段在GPU上训练和在CPU上运行推理(出于某些原因，我的keras模型要快得多)之间切换： keras.backend.clear_session()
num_cores = cpu_count()
config = tf.ConfigProto(={&
浏览 38提问于2019-12-19得票数 11
回答已采纳
云服务器
ICP备案
实时音视频
云直播
对象存储
腾讯云开发者
