在多进程中使用一个图形运行tensorflow
在多进程中使用一个图形运行TensorFlow，可以通过TensorFlow的分布式计算功能来实现。TensorFlow提供了tf.distribute.Strategy API，可以在多个设备或多个计算节点上并行运行图形。
具体步骤如下：
- 导入必要的库和模块：
import tensorflow as tf
from tensorflow.keras import layers- 定义模型和图形：
def create_model():
model = tf.keras.Sequential()
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
return model
model = create_model()- 定义输入数据和标签：
inputs = tf.random.normal([1000, 10])
labels = tf.random.normal([1000, 10])- 定义损失函数和优化器：
loss_object = tf.keras.losses.CategoricalCrossentropy()
optimizer = tf.keras.optimizers.Adam()- 定义训练步骤：
def train_step(inputs, labels):
with tf.GradientTape() as tape:
predictions = model(inputs)
loss = loss_object(labels, predictions)
gradients = tape.gradient(loss, model.trainable_variables)
optimizer.apply_gradients(zip(gradients, model.trainable_variables))- 定义训练循环：
EPOCHS = 10
for epoch in range(EPOCHS):
train_step(inputs, labels)以上是一个简单的使用TensorFlow进行多进程图形运行的示例。在实际应用中，可以根据具体需求进行调整和优化。如果需要在腾讯云上运行TensorFlow，可以使用腾讯云的GPU实例或者弹性GPU实例来加速计算。推荐的腾讯云产品是GPU计算型云服务器，具体产品介绍和链接地址如下：
- 产品名称：GPU计算型云服务器
- 产品介绍链接：https://cloud.tencent.com/product/cvm/gpu
使用GPU计算型云服务器可以提供更强大的计算能力，加速TensorFlow的训练和推理过程。
相关·内容
我想是某种虫子。
问题很简单：
启动ipython
导入Tensorflow并运行任何会话
在bash中键入nvidia-smi (参见非常高的gpu内存使用量、相关的进程名称等)
control+z退出ipython
输入nvidia-smi在bash (静止！非常高的GPU内存使用率，以及相同的进程名，奇怪的是，这些进程并没有被杀死！)
我猜iPython在退出时没有清理Tensorflow变量或图形。
有什么办法可以清理GPU内存而不重新启动我的机器？
系统: Ubuntu 14.04
Python: Python3.5
IPython: IPython6.0
浏览 3提问于2017-06-28得票数 0
回答已采纳
我使用Keras和tensorflow作为后端。我有一个编译/训练的模型。
我的预测循环很慢，所以我想找到一种方法来并行化predict_proba调用来加快速度。我想获取一个批次列表(数据)，然后根据可用的图形处理器，在这些批次的子集上运行model.predict_proba()。
本质上：
data = [ batch_0, batch_1, ... , batch_N ]
on gpu_0 => return predict_proba(batch_0)
on gpu_1 => return predict_proba(batch_1)
...
on gpu_N =>
浏览 3提问于2017-02-23得票数 13
回答已采纳
我在寻求关于如何调试Tensorflow上挂起的内容的建议。
我有一个挂在global_variables_initializer()上的多层CNN在会话中运行。我在控制台输出中没有收到任何错误或消息。
是否有一种智能的方法来调试Tensorflow挂起时遇到的问题，而不是反复注释出生成图形的代码行，然后重新运行以查看挂起的位置。TensorFlow调试器(tfdbg)有帮助吗？我有什么选择？
理想情况下，最好只是中断当前的执行，查看某个堆栈或类似的堆栈，以查看init期间执行挂起的位置。
我目前正在运行Tensorflow 0.12.1与Python 3在一个木星笔记本。
浏览 0提问于2017-08-17得票数 2
回答已采纳
我们需要使用分布式Tensorflow中的“图形间复制”来定义多个客户端(每个客户端创建和构建Tensorflow会话/图)。通常，客户端和工作进程在同一进程中，tf.train.MonitoredTrainingSession()协调这些Tensorflow会话。
现在，如果每个客户端和工作进程不在同一进程中，并且我希望客户端使用grpc来远程驱动工作任务，我想知道tf.train.MonitoredTrainingSession()或一些API是否支持此功能，或者是否有人有其他解决方案或想法。(我知道tf.Session(<grpc_url>)支持grpc，但它不能协调多个Te
浏览 1提问于2017-03-30得票数 0
1回答
我在中运行这段代码。
输出：
I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
[INFO] approx. FPS: 10, assume reach to 30
为什么代码在CPU上运行？
我有一个图形处理器，我用tensorflow-gpu安装了TensorFlow。
浏览 0提问于2019-02-06得票数 1
回答已采纳
在tensorflow 2.0中，对冻结图形的支持会继续存在还是会被废弃？我指的是从saved_model创建/优化冻结图形的脚本和API。同样，运行推理的API也是如此。
假设它将在未来得到支持，那么在tensorflow 2.0中对冻结图运行推理的推荐方法是什么？
浏览 5提问于2019-04-08得票数 7
回答已采纳
我的系统是ubuntu16.04版本，我的笔记本电脑是，它有英特尔图形卡，但是tensorflow需要nvidia图形来支持cuda。
有没有任何方法，我可以运行tensorflow与GPU(与CPU是工作的)在英特尔图形。
在安装tensorflow-gpu时，我在导入时没有出错
加载本机TensorFlow运行时失败
)。“
做了一些挖掘，然后发现安装cuda下载了"cuda_9.1.85_387.26_linux.run“文件，但是在运行它时遇到了问题。
“在线检测到4个CPU；将并发级别设置为4。
文件'/tmp/.X0-lock‘存在，并且似乎包含进程ID。
浏览 0提问于2018-03-27得票数 0
在尝试使用我的图形处理器运行机器学习模型后，我一直收到错误消息"cudaGetDevice()失败。状态: CUDA驱动程序版本不足以用于CUDA运行时版本。“在这一点上，我只想使用我的CPU，但是，我不确定如何训练我的算法，因为每次我尝试训练我的算法时，即使我从未导入代码，它也会给出错误
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
我只运行了这段代码一次，现在我的模型不能训练了，有没有一种简单的方法可以摆脱它，只用CPU训练它？
浏览 22提问于2019-07-30得票数 3
您知道用1 GPU tensorflow对2个python进程进行推断的优雅方法吗？
假设我有两个过程，第一个是分类猫/狗，第二个是分类鸟类/飞机，每个过程运行不同的tensorflow模型并运行在GPU上。这两个模型将被给予图像从不同的相机连续。通常，tensorflow将占用整个GPU的所有内存。因此，当你开始另一个过程，它会崩溃，说出内存或失败的卷积CUDA或类似的东西。是否有教程/文章/样例代码来说明如何在不同的进程中加载两个模型，并且两者并行运行？这也是非常有用的，如果你运行一个模型推断，而你正在做一些沉重的图形，例如玩游戏。我也想知道运行模型如何影响游戏。
我尝试过使用python
浏览 4提问于2020-03-10得票数 12
回答已采纳
我在一台使用nvidia Tesla K20c图形处理器的电脑上使用keras和tensorflow后端。(CUDA 8)
我正在训练一个相对简单的卷积神经网络，在训练期间我运行终端程序nvidia-smi来检查图形处理器的使用情况。正如您在以下输出中所看到的，GPU利用率通常显示在7%-13%左右
我的问题是:在CNN培训期间，GPU的使用率不是应该更高吗？这是否表明keras/tensorflow的GPU配置或使用情况不佳？
浏览 9提问于2017-06-15得票数 18
我有一个LSTM tf.keras模型，包含大约600MB的训练数据。每个训练周期大约需要90秒。我有tensorflow的最新版本，是v2.2。它在AWS g3.4xlarge实例上运行。该实例采用Nvidia的Tesla M60图形处理器，并具有8 8GB的内存供图形处理器使用。
我想做超参数调优，所以我需要加快执行速度。因此，我将模型和数据移动到一个AWSp3.2xlarge实例，该实例具有16 So内存的P100图形处理器。然后我发现每个时期的训练时间根本没有变化。
所以我换成了一个更大的AWS实例，p3.8xlarge，它有4个特斯拉V100 GPU和64 of内存。在第一次运行中，
浏览 0提问于2020-06-20得票数 0
我正在Unity中创建移动ml应用程序的原型。
我已经训练了tensorflow图(.pb)，我想在统一移动环境中运行这个模型。( android和ios)
使用插件，使用dnn模块，我可以在手机上运行tensorflow图形。但问题是在CPU上运行。
我需要基于GPU的解决方案，而且OpenCVForUnity似乎是不合适的方法。
那么，在统一移动环境下，在GPU上运行图形有什么想法吗？
浏览 3提问于2019-11-28得票数 0
回答已采纳
我正在运行一个程序来处理一些数据，并且我推断出TensorFlow模型和Pytorch模型。
当推断这两个模型中的任何一个时，一切都很好。但是，当我添加pytorch输入时，我的程序崩溃，并显示以下错误：
2018-05-14 12:55:05.525251: E tensorflow/stream_executor/cuda/cuda_dnn.cc:385] could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
2018-05-14 12:55:05.525280: F tensorflow/core/kernels/conv_
浏览 3提问于2018-05-14得票数 0
我在docker容器中运行机器学习模型。该模型将经历训练、评估、测试和交互4个过程。我使用以下方法启动docker：
sudo docker run --runtime=nvidia --name tensorflow_bert_dst -it -p 8888:8888 tensorflow/tensorflow:1.13.2-gpu-py3-jupyter
训练的过程很长，所以我关闭了终端，让docker在服务器上运行。几个小时后，我想使用以下方法检查结果并与模型交互。
docker attach tensorflow_bert_dst
但是docker挂起了，没有显示任何结果，如何进入
浏览 22提问于2019-11-01得票数 1
回答已采纳
2回答
我是TensorFlow的新手。
目前，我正在TensorFlow网站上测试一些分类的例子“卷积神经网络”，它解释了如何将输入图像分类到预定义的类中，但问题是:我不知道如何在同一张图像中定位多个对象。例如，我有一个包含一只猫和一只狗的输入图像，我希望我的图形在输出中显示这两个图像中都有“一只猫和一只狗”。
浏览 0提问于2017-02-21得票数 16
我正在用Python运行REST服务器，带有一个访问点来检索图像，并使用tensorflow模型来预测该映像上的内容。启动服务器后，我将向REST端点发送图像。加载的模型是我自己训练的盗梦空间模型。它从tensorflow检查点文件中加载以恢复权重。下面是构建图形并执行分类的函数：
import os
import tensorflow as tf
from cnn_server.server import file_service as dirs
from slim.datasets import dataset_utils
from slim.nets import nets_facto
浏览 3提问于2017-07-17得票数 0
我正在调查在我的macOS机器上，在Google Colab上，以及在TensorFlow上使用Docker的代码的重现性。我知道我可以设置图形级别的种子和操作级别的种子。我使用的是急切模式(所以没有并行优化)，没有GPU。我从单位正态中随机抽取100x100，并计算它们的平均值和标准差。 下面的测试代码验证了我没有使用图形处理器，我使用的是Tensorflow 1.12.0或TensorFlow 2的预览，如果Float32，则张量，随机张量的第一个元素(如果我只设置图形级别的种子或操作级别的种子，它具有不同的值)，它们的平均值和它们的标准差。我还设置了NumPy的随机种子，尽管我在这里不
浏览 14提问于2019-02-01得票数 0
我正在尝试运行Tensorflow作为一个NVIDIA特斯拉V100 GPU的服务。作为服务器，我的程序需要并发地接受多个请求。因此，我的问题如下：
当多个请求同时到达时，假设我们不使用批处理，这些请求是顺序地还是并行地在GPU上运行?我了解到，独立的进程有独立的CUDA上下文，这些上下文是在GPU上顺序运行的。但是，这些请求实际上是同一个进程中的不同线程，应该共享一个CUDA上下文。因此，根据，GPU可以同时运行多个内核。如果是这样的话，是否意味着如果我有大量的请求同时到达，GPU的利用率就可以提高到100%？但这在我的实验中从来没有发生过。
在不同线程中运行一个会话与在不同线程中运
浏览 0提问于2019-04-29得票数 9
我正在尝试迭代地将函数与研究应用程序中的数据相匹配，在研究应用程序中需要大量的迭代。在每个函数中，我都在对变量进行优化。为了简单起见，我在一个最小的工作示例中重新创建了这个问题，不包括函数，但是内存仍然在攀升：
import numpy as np
import tensorflow as tf
import tensorflow.contrib.eager as tfe
import psutil as ps
import gc
tf.enable_eager_execution()
for i in range (50000):
w0=tfe.Variable(initial_v
浏览 0提问于2018-07-10得票数 1
回答已采纳
我想实验TensorFlow的图形复制在一个多GPU集群多个ps和工人。显示在一台机器上的图形同步复制。是否有我可以参考的例子，比如
浏览 4提问于2016-09-23得票数 2
回答已采纳
我需要同时训练多个Keras模型。我正在使用TensorFlow后端。问题是，当我试着同时训练两个模特时，我得到了Attempting to use uninitialized value。
这个错误并不是真正相关的，主要的问题似乎是Keras强迫在同一个会话中用相同的图创建两个模型，因此it冲突。
我是TensorFlow的新手，但我的直觉是，答案很简单:您必须为每个Keras模型创建一个不同的会话，并在他们自己的会话中对他们进行培训。有人能解释一下怎么做吗？
我真的希望能够在仍然使用Keras的同时解决这个问题，而不是用纯TensorFlow编写所有代码。任何解决办法也将不胜感激。
浏览 0提问于2017-05-13得票数 8
具体地说，当使用TensorFlow以OOP风格构建模型时，我应该在哪里构建图形？我应该在哪里启动一个会话来运行图形？这种情况下的最佳实践是什么？
在中，MNIST示例只是简单地在模块mnist.py中定义inference、loss和training函数，并在fully_connected_feed.py中构建图形。但在我看来，图形实际上是模型的一部分，应该在模型内部构建，可能是在它的__init__方法中。
我见过许多其他模型在其中使用TensorFlow，并且每个模型都有自己的实践，所以我在这里有点困惑。在使用TensorFlow时，有没有最佳实践或推荐的编程范例？
浏览 0提问于2017-01-07得票数 12
注意:这个问题最初是的，但它被要求出现在这里
主要症状:运行tensorflow时，未检测到我的图形处理器(和)。
与通常的问题不同的是，cuda似乎安装正确，并且成功地从cuda示例运行./deviceQuery ()。
我有两个图形卡：
一个旧的GTX650用于我的显示器(我不想把它和tensorflow一起使用)一个GTx1060，我想献给tensorflow
我使用：
cuda-8.0 ()cudnn-5.1.10python-2.7.12nvidia-drivers-375.26 (这是由cuda安装的，取代了我的发行版驱动程序包)
我试过了：
在tensorflow脚本中使用$
浏览 251提问于2017-02-19得票数 54
回答已采纳
1回答
我很难尝试在GPU1中运行tensorflow程序。无论我是使用CUDA_VISIBLE_DEVICES=1 python program.py还是在程序中使用tf.device('/gpu:1')，我总是收到以下错误：
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:900] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA
浏览 0提问于2016-03-12得票数 1
我遵循了tensorflow官方网站上的例子。
这是我的规格书
WSL
Ubuntu 16.04.6 LTS
Tensorflow2.0
无-GPU可用
我有一个名为'tfexample.py‘的文件，如下所示
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow_datasets as tfds
import tensorflow as tf
import json, os
tfds.disable_progress_bar()
o
浏览 0提问于2020-02-05得票数 2
我正在处理一个导入库"keras“的文件。
我使用python3.8使用#!/usr/bin/python3.8
当我在控制台中导入keras或tensorflow时，它工作得很好，但是，当我运行一个导入keras或tensorflow的文件时，它只运行一次，然后当它再次运行时，它会重复这个错误消息：
TypeError: A Message class can only inherit from Message
问题仍然存在，除非我关闭控制台，然后重新打开它。
有什么解决办法吗？
注意:当在本地运行python3.9时，代码可以工作
注意:我没有在PythonAnywhere上使用p
浏览 8提问于2022-06-27得票数 0
我已经安装了tensorflow-gpu包，以及在GPU上运行tensorflow的所有要求。
现在我想测试它，所以我从图像再培训教程()下载了retrain.py脚本，并用我自己的图像运行它(一个文件夹中的马，汽车飞机和文件夹“未知”中的更多)，但它不能在图形处理器上运行(0%使用率)，只能在中央处理器上运行(7%使用率)
图形处理器: Nvidia GeForce GTX1060 6 6GB，驱动版本: 390.59，Cuda版本: 9.0.176
CPU: Ryzen 7 1700x
操作系统: Ubuntu Server 18.04
浏览 39提问于2018-05-29得票数 0
优化器通常将相同的计算图运行许多步骤，直到收敛。tensorflow是否在开始时设置了图形，并在每一步中重用它？如果我在训练期间改变了批量大小，该怎么办？如果我对图做一些负的改变，比如改变损失函数呢？如果我对图表做了一些重大的更改呢？tensorflow会预先生成所有可能的图吗？tensorflow知道如何在图形发生变化时优化整个计算过程吗？
浏览 0提问于2016-02-19得票数 6
我有一个带有2个GPU的工作站，并且我正在尝试同时运行多个tensorflow作业，因此我可以同时训练多个模型，等等。
例如，我尝试通过在script1.py中使用的python API将会话分离到不同的资源中：
with tf.device("/gpu:0"):
# do stuff
在script2.py中：
with tf.device("/gpu:1"):
# do stuff
在script3.py中
with tf.device("/cpu:0"):
# do stuff
如果我单独运行每个脚本，我可以看到它正
浏览 2提问于2016-01-14得票数 26
回答已采纳
我目前正在运行一个用于图像识别的Tensorflow convnet，并且我正在考虑购买新的GPU来支持更复杂的图形、批处理大小和输入尺寸。我读过像这样的帖子，它们不建议使用AWS实例来训练凸网，但是更多的意见总是受到欢迎的。
我已经阅读了Tensorflow的指南，而且图形似乎是在GPU上复制的。我想知道这是在Tensorflow convnet中使用并行GPU的唯一方法吗？
我之所以问这个问题，是因为如果Tensorflow只能在多个GPU之间复制图形，这意味着每个GPU必须至少具有我的模型对一个批处理所需的内存大小。(例如，如果所需的最小内存大小为5GB，则两张每张4GB的卡无法完成此任
浏览 4提问于2017-06-22得票数 0
回答已采纳
我建了一个CNN来进行图像分类。在训练中我救了几个检查点。数据通过feed_dictionary传送到网络中。
现在我想恢复失败的模型，我不知道为什么。重要的代码行如下：
with tf.Graph().as_default():
....
if checkpoint_dir is not None:
checkpoint_saver = tf.train.Saver()
session_hooks.append(tf.train.CheckpointSaverHook(checkpoint_dir,
浏览 3提问于2017-03-02得票数 0
我有一台三星笔记本Windows 10，内存8 8GB，英特尔显卡5500 GPU，Geforce 920M。我一直在尝试使用我的NVIDIA在Jupyter Notebook上使用Tensorflow运行代码。我的tensorflow代码不能在TensorFlow2.0版本上运行，所以我必须安装以前版本的Tensorflow。我安装了CUDDA9.0，tensorflow_ GPU -1.12.0和cuDNN 7，但它不工作，然后我尝试安装tensorflow_ GPU -1.5.0与Anaconda，它工作使用英特尔图形处理器而不是我的NVIDIA，在那一刻我修改了NVIDIA控制面板中
浏览 27提问于2020-03-23得票数 0
在tensorflow 2.0上运行一个DDPG增强学习程序。对于我使用的批处理大小，培训非常慢，所以我希望在一个单独的线程中运行培训，而不是执行。
但是，当尝试在一个单独的线程上训练Tensorflow模型时，我遇到了一些问题。
首先是图形错误：
Tensor("dense_2/kernel/Read/ReadVariableOp:0"，ValueError： shape=(3，9)，dtype=float32)必须与张量(“Const:0”，shape=(32，3)，dtype=float32)相同。
通过从训练线程上的主线程还原图形，可以很容易地解决这个问题：
with
浏览 4提问于2019-12-12得票数 0
回答已采纳
我使用Session()的配置参数来防止tensorflow进程占用所有GPU内存。我的测试代码如下：
import os
import math
import numpy as np
import tensorflow as tf
os.environ["CUDA_VISIBLE_DEVICES"] = '0'
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
input_length = 10
output_length = 10
n_epochs = 10000
n
浏览 1提问于2018-12-23得票数 0
假设我可以访问一台机器中的许多GPU(为了便于论证，假设8GPU每个最大内存为8GB，在一台具有一定数量RAM和磁盘的单机中)。我想在中运行一个单一脚本，在一台机器中运行一个程序来评估TensorFlow中的多个模型(比如50或200)，每个模型都有一个不同的超参数设置(例如，步骤大小、衰减率、批处理大小、时间/迭代等等)。在训练结束时，假设我们只记录它的准确性，并去掉模型(如果你想假设模型经常被检查指向，那么直接扔掉模型并从头开始训练就可以了。)您还可以假设其他一些数据可能会被记录下来，比如特定的超视距、训练、验证、训练错误等)。
目前，我有一个(伪)脚本，如下所示：
def train_m
浏览 3提问于2017-02-23得票数 29
回答已采纳
1回答
中断python导入
、、、、
由于一些奇怪的情况，我在一个服务器上工作，它在导入tensorflow时遇到了问题。
更具体地说，如果我尝试导入tensorflow，服务器就会卡住，我必须中断执行(通过按键盘上的Ctrl+C键)。在我中断它之后，一切都运行得很好，我的程序继续运行得很好。但是，我希望这个过程是自动化的，也就是说，在导入两秒钟之后，python程序会自动抛出一个"Ctrl+C“错误，并继续执行流程。我尝试过使用python的信号库来实现这一点，如下所示：
import signal
import os
def raise_timeout(*a,**kw):
print("tensorf
浏览 1提问于2019-07-31得票数 0
我想在GKE上运行分布式Tensorflow。您需要一个来自GKE设置的最多运行分布式TensorFlow的示例。你知道一个好的样品吗？
浏览 0提问于2016-06-09得票数 2
这是我第一次在这里问问题，所以我会尽量做到描述性的。我对python和tensorflow比较陌生，并且一直在专门为一个项目学习它。
我目前正在使用tensorflow服务部署tensorflow模型，并使用wsgi部署flask。我一直遵循这个架构：
我在port=9000上运行tensorflow_model_server。
我知道tensorflow_model_server正在工作，因为当我从命令行执行tensorflow_serving_client.py时，我得到了预期的响应。我已经在每个用户帐户上测试了这个命令行的执行。
类似地，我知道Flask + WSGI正在工作，因为我可以
浏览 1提问于2018-01-10得票数 1
我只有一个GPU (Titan X Pascal，12 GB VRAM)，我想在同一个GPU上并行训练多个模型。
我尝试将我的模型封装在一个单独的python程序中(称为model.py)，并在model.py中包含代码以限制VRAM的使用(基于)。我能够在我的图形处理器上同时运行3个model.py实例(每个实例占用我虚拟内存的33% )。令人费解的是，当我尝试4个模型时，我收到了一个错误：
2017-09-10 13:27:43.714908: E tensorflow/stream_executor/cuda/cuda_dnn.cc:371] coul d not create cudn
浏览 4提问于2017-09-11得票数 11
1回答
我正在尝试构建一个新的Tensorflow v3网络，以便在iOS应用程序上运行。
这是通过使用Tensorflow iOS演示中的步骤在iPhone上的iPhone应用程序中实现的。
它使用的是一个旧的盗梦空间图像分类器(optimizedgraph.pb和labels.txt文件)。
我正在尝试用新的图像重新创建网络。新的网络在上运行良好，但在iOS上不起作用。
错误是：
2018-05-10 14:49:42.485845: e tensorflow/core/common_runtime/executor.cc:644]执行器创建内核失败.无效论点: NodeDef在Op输出中没有
浏览 0提问于2018-05-10得票数 5
1回答
我正在使用烧瓶、tensorflow和keras模型构建多线程rest。在得到错误后，我做了一些研究，并提出了以下解决方案：
executor = ThreadPoolExecutor(10)
@app.route('/createLearningTask', methods=['POST'])
def createLearningTask():
request_data = request.get_json(force=True)
executor.submit(LearningTask().processData)
return (
浏览 2提问于2018-08-18得票数 0
回答已采纳
2回答
我(仍然)正在尝试使用Tensorflow 2.0后端上的Keras实现一个简单的Unet网络。
我的模板和面具是1536x1536 RGB图像(面具是黑白的)。根据，可以测量所需的内存量。
我的模型在张量1,16,1536,1536上出现内存分配错误。使用上面文章给出的方程，我计算了这个张量所需的内存量:1* 16 * 1536 * 1536 *4= 144兆字节。我有GTX 1080钛和~9 Gbytes可用于Tensorflow。出什么问题了？我是不是遗漏了什么？
下面是一个几乎完整的回溯：
2020-03-02 15:59:13.841967: I tensorflow/stream_
浏览 0提问于2020-03-02得票数 4
回答已采纳
我使用pythontex制作动态可重现的报表。我有一个包装tensorflow图的类。
在我的文档中，我创建了我的类，并在其中构造了tensorflow图。
导入tensorflow模块和构建图形是一个很长的过程，所以我希望保留结果，而不是每次都重新运行这个过程。
但我失败了，出错了。can't pickle class tensorflow.python.util.xxx。我想这是一个已知的问题。我如何定制我的类来方便地转储和加载它？或者我可以pickle python session或tensorflow session？
浏览 2提问于2017-09-19得票数 0
我在和Tensorflow合作一个小案子。安装版本:tensorflow (version 1.13.1)，tensorflow-gpu==1.13.1，cuda10.0，cudnn7.4，windows10，GPU:740M，兼容性:3.5。 当我运行代码来检查是否使用图形处理器来加速进程时的问题，nvidia-smi，没有发现正在运行的进程。 下面是我的代码的一部分： class DQN():
# DQN Agent
def __init__(self, env):
self.replay_buffer = deque()
self.tim
浏览 415提问于2020-08-01得票数 1
首先，我还是tensorflow的新手。我正在使用v0.9，并试图使用安装在我们的机器上的2个GPU。所以，下面是发生的事情：
当我在机器上启动一个training data脚本时，它只在两个GPU中的一个上工作。默认情况下，它接受第一个gpu:0/。
当我在第一个GPU上启动另一个training data脚本以在第二个GPU上运行(在进行了所需的更改(即with tf.device..)之后)，同时在第一个GPU上运行第一个进程时，tensorflow会杀死第一个进程，并且只使用第二个GPU来运行第二个进程。所以一次只允许一个过程被tensorflow允许？
我需要的是:能
浏览 1提问于2017-05-23得票数 10
回答已采纳
我正试着在图形处理器上运行我的python代码，它使用tensorflow-federated。要设置我的环境，我使用venv。首先，我安装了tensorflow-gpu，然后我的python代码可以识别图形处理器，我使用tf.test.gpu_device_name()。然而，一旦我安装了tensorflow-fedenerated，我的python就不会看到任何图形处理器，而是开始使用CPU！我使用的是Ubuntu 16.04.6 LTS。我尝试了大量不同版本的包的组合：
python = 3.6, 3.7
cuda = 10.0, 10.1
tensorflow-gpu = 1.13.1
浏览 0提问于2020-04-08得票数 1
即使在重启机器后，python3进程(系统范围的解释器)仍使用>95%的GPU内存。请注意，即使没有正在运行的训练脚本，内存消耗也会保持不变，而且我从未在系统环境中使用过keras/tensorflow，只在venv或docker容器中使用过。 更新:最后一个活动是执行具有以下配置的NN测试脚本： tensorflow==1.14.0 Keras==2.0.3 tf.autograph.set_verbosity(1)
tf.set_random_seed(1)
session_conf = tf.ConfigProto(intra_op_parallelism_threads=8,
浏览 101提问于2019-12-17得票数 2
回答已采纳
我在使用我的GPU和tensorflow时遇到问题。I pip安装了tensorflow-GPU2.4.1我还安装了CUDA11.2和cudnn11.2，遵循中的步骤，还检查了所有路径是否正常以及库是否在正确的位置。
然而，当我在我的Jupyter Notebook上运行tf.config.experimental.list_physical_devices('GPU')时，它找不到我的图形处理器。
我还运行了tf.test.is_built_with_cuda()，它返回True。
那么问题是我的GPU不支持当前版本的CUDA或cudnn吗？我的图形处理器是"NVID
浏览 3提问于2021-03-17得票数 0
我试着从源头上安装tensorflow。在运行配置文件时，我选择了所有默认参数，然后尝试运行：
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
我收到这样的信息：
INFO: Reading options for 'build' from /home/ubuntu/tensorflow/tensorflow/tools/bazel.rc:
'build' options: --force_python=py2 --host_force_pyt
浏览 4提问于2016-06-27得票数 1
回答已采纳
当我在conda环境中时，“conda列表”和“pip冻结”显示了不同数量的库。例如，'tensorflow-gpu‘列在'pip冻结’中，而不是在'conda列表‘中。如果我想在这个环境中使用tensorflow-gpu，我应该运行pip install tensorflow-gpu来重新安装它，还是没有必要？
浏览 7提问于2021-06-14得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
