Tensorflow似乎正在使用系统内存而不是图形处理器，并且程序在global_variable_inititializer()之后停止。
TensorFlow是一个开源的机器学习框架，它可以在各种硬件设备上运行，包括图形处理器（GPU）和中央处理器（CPU）。当TensorFlow在使用系统内存而不是GPU时，可能是由于以下几个原因：
- 驱动程序问题：首先，确保您的GPU驱动程序已正确安装并且是最新版本。可以访问GPU制造商的官方网站，如NVIDIA或AMD，以获取最新的驱动程序。
- CUDA和cuDNN版本不匹配：TensorFlow依赖于CUDA和cuDNN来加速GPU计算。确保您安装的CUDA和cuDNN版本与您使用的TensorFlow版本兼容。您可以在TensorFlow官方网站上找到版本兼容性的详细信息。
- TensorFlow配置问题：检查您的TensorFlow配置，确保已正确设置使用GPU进行计算。您可以在TensorFlow官方文档中找到有关如何配置GPU支持的详细说明。
- 内存不足：如果您的模型或数据集过大，可能会导致系统内存不足，从而导致TensorFlow使用系统内存而不是GPU。在这种情况下，您可以尝试减小模型的规模或使用更小的数据集。
关于程序在global_variable_inititializer()之后停止的问题，可能是由于以下原因：
- 代码逻辑错误：检查您的代码，确保在调用global_variable_inititializer()之后没有其他错误导致程序停止。可以使用调试工具来逐步执行代码并查找问题所在。
- 数据加载问题：如果您的程序在global_variable_inititializer()之后停止，可能是由于数据加载失败或数据格式不正确。确保您的数据加载代码正确，并且数据格式与模型的期望格式匹配。
- 训练参数设置问题：检查您的训练参数设置，例如学习率、批量大小等。不正确的参数设置可能导致训练过程停止或无法收敛。
总之，要解决TensorFlow使用系统内存而不是GPU以及程序在global_variable_inititializer()之后停止的问题，需要仔细检查硬件、驱动程序、配置、代码逻辑和数据加载等方面的问题，并进行逐步调试和排除。如果问题仍然存在，您可以参考TensorFlow官方文档、社区论坛或寻求专业人士的帮助来解决问题。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云GPU服务器（https://cloud.tencent.com/product/cvm_gpu）
- 腾讯云AI引擎（https://cloud.tencent.com/product/tia）
- 腾讯云数据集市（https://cloud.tencent.com/product/dataset）
- 腾讯云容器服务（https://cloud.tencent.com/product/tke）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/ddos）
- 腾讯云云存储（https://cloud.tencent.com/product/cos）
- 腾讯云元宇宙（https://cloud.tencent.com/product/uc）
相关·内容
我刚刚为我的桌面添加了一个新的GTX 1070 Founders，我正试图在这个新的GPU上运行tensorflow。我正在使用tensorflow.device()在我的图形处理器上运行tensorflow，但这似乎没有发生。相反，它使用的是cpu，而且几乎我所有的系统都使用8 8GB的ram。，当我运行global_variable_initializer()时，此程序
浏览 25提问于2019-02-13得票数 2
我知道对于Tensorflow，如果我们没有将allow_growth设置为True，默认情况下，GPU内存将完全映射到程序，以避免内存碎片。然而，我正在构建一个多用户系统，它将支持多用户同时使用同一张卡。当然，我不希望图形处理器的内存完全分配，所以似乎allow_growth默认设置为True将很容易解决这个问题。但是如何在Tensorflow之外创建默认的allow_growt
浏览 1提问于2017-05-08得票数 4
在将tensorflow图像更新到过去训练的22.01-tf2-py3，模型之后，现在给我一个内存错误。Tensorflow似乎使用的是系统内存，而不是GPU，程序初始化后停止。在进行了一些研究之后，我发现问题在于在运行GPU时为该进程分配的CPU/系统内存。另外，GPU上
浏览 5提问于2022-02-28得票数 -1
1回答
深度学习CNN吃VRAM
、、、
我最近开始构建自己的小型深度学习设备，配备了ryzen 53600处理器、32 GPU内存和8gp VRam的RTX2080Super 使用tensorflow处理CNN(这是我的大部分工作)时，我发现大部分VRam几乎立即被占用(7.8 GPU中使用了7.8 GPU)，而GPU利用率约为35% 为了与tesnofrflow v2兼容，我安装了最新的驱动程序并运行了CUDA v10.0。我是否应该投资更多的VRam而不是更快的
浏览 33提问于2020-01-31得票数 0
回答已采纳
我正在用OpenCL实现一个复杂的算法，但是我在NVidia硬件上遇到了一个问题。当我的算法被多次并行调用时，NVidia图形处理器上的内存不足，随机线程的执行可能会因MemoryAllocation错误而停止(我之前曾尝试在上解释过这一点)。现在的问题是，当NVidia图形处理器不是主图形处理器时，我必须使用图形处理器亲和性扩
浏览 0提问于2017-09-27得票数 0
一开始一切似乎都很好，直到第一批程序结束时，当我的系统冻结了一分钟之后，我得到了以下错误：
浏览 4提问于2017-10-26得票数 0
1回答
我正在寻找一种方法来确定应用程序是否正在使用Objective-C的GPU。我希望能够确定系统上当前运行的任何应用程序是否在图形处理器上运行(即:为什么最新的MacBook Pro会切换到独立显卡，而不是英特尔高清显卡)。我试图通过使用石英窗口服务将活动窗口列表与后台位置存储在视频内存中的窗口列表交叉来获取信息，但所做的一切只是返回Dock应用<
浏览 2提问于2010-05-08得票数 1
回答已采纳
1回答
我们正在构建一个使用TensorFlow库执行图像分类的iOS应用程序。使用我们的机器学习模型(91MB，400个类)和TensorFlow“简单”示例，我们可以在任何内存为1 1GB的iOS设备上收到内存警告。2 2GB的机型不会遇到任何警告，而小于1 2GB的机型则会完全耗尽内存并导致应用程序崩溃。
我们正在使用包含的主分支的最新TensorFlow<
浏览 5提问于2016-09-01得票数 1
我想在我的服务器端使用人脸检测。因此，我为这项任务找到了。我发现faceapi.detectAllFaces()的每次调用持续了大约10秒。但当我启动时，只有第一个函数持续10秒，而下一个函数持续不到1秒。我的服务器端代码(您可以在中看到类似的代码)：import { canvas, faceDetectionNet, faceDetectionOptions我可以在我的faceapi.detectAllFaces()-f
浏览 1提问于2019-05-22得票数 6
描述📷地平线在微风中黑暗的主题：📷操作系统: Kubuntu 21.10
KDE等离子体版本: 5.22.
浏览 0提问于2021-12-09得票数 1
回答已采纳
1回答
我正在训练一个神经模型，使用keras和tensorflow作为后端。:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 AVX512FGPU (device: 0, name: GeForce GTX 1080, pci bus id: 0000:65:00.0, compute capability: 6.1) 这是否意味着训练是在gpu我会说是，但是当我执行nvt
浏览 26提问于2019-02-13得票数 3
1回答
因为(听起来很讨厌)它似乎并不是造成工件的代码中的一个特定部分，所以我可以轻松地运行程序15分钟，而不会出现问题。我的图形卡将加热高达68度的芹菜和不会出现文物。所有我可以在图形工件上找到的互联网源都告诉我，我有过热造成的内存不足。
但是，如果是这样的话，为什么这个“坏RAM”只在连续运行之后才被访问，而从来没有在一个新的开始之后被访问？当我的应用程序</
浏览 1提问于2013-10-06得票数 2
回答已采纳
我使用Krusader 2.7.2作为文件管理器。"Ok“之后，就不会再有任何事情发生了。如何将Krusader配置为在Kate (或KDevelop)中打开Python脚本，而不是尝试运行它们？关于我的系统的其他信息：KDE等离子体版本: 5.19.5Qt版本: 5.14.2操作系统类型:64位
处理器: 12×
浏览 0提问于2020-12-26得票数 0
回答已采纳
似乎我有一个人为的限制，使我无法使用全部的图形处理器内存，但我的config.gpu_options.per_process_gpu_memory_fraction没有设置任何限制。有没有人知道还有什么可能会阻止我使用全部内存？我将在下面解释为什么我认为我被阻止使用全部内存。
我有一个非常大的Keras模型，有一个Tensorflow后端，我在AWS上运行。我的实例是一个p3.2xlarge，它有1
浏览 0提问于2018-09-13得票数 0
4回答
我已经安装了tensorflow CPU版本。我使用的是Windows10，GPU是AMD Radeon 8600M。我现在可以安装GPU版本的tensorflow吗？会有什么问题吗？
浏览 1提问于2018-02-25得票数 0
2回答
我已经在一台拥有1GB内存和32位处理器的计算机上安装了Xubuntu (Ubuntu18.04.4LTS)。
我正在寻找一个好的Python IDE，我可以使用这个系统。我试着安装PyCharm或Spyder，但它们似乎只能用于64位，并且需要更多内存。我已经安装了Vim，但如果可能的话，最好有一个图形编辑器。对于这台机器，Python IDE有哪些好的选择？
浏览 0提问于2020-04-26得票数 1
1回答
我目前正在研究RnD的TensorFlow (CPU版本)，但无法确定我的系统对大型数据集培训的基本需求，也可能是偶然在TensorFlow库中发现了一个可能的错误。在中，没有任何地方表示系统需要在其上构建和运行TensorFlow程序。我目前的系统运行Windows8.1 64位操作系统，核心i5 5200 U时钟在2.2 GHz，8GB内存和约70 8GB的空
浏览 4提问于2017-03-31得票数 0
回答已采纳
我正在创建类似于CUDA的东西，但我看到从RAM到VRAM的内存复制速度非常快，就像从RAM复制到自身一样。但是从VRAM复制到RAM比从RAM复制到VRAM慢得多。顺便说一下，我使用glTexSubImage2D从内存复制到VRAM，使用glGetTexImage从内存复制到内存。
为什么？有没有办法提高它的性能，就像将RAM复制到VRAM一样？
浏览 0提问于2012-11-30得票数 4
回答已采纳
Tensorflow允许指定进程使用的最大部分GPU内存：import kerassess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))使用上面的代码并且gpu使用</
浏览 2提问于2020-02-06得票数 0
因此，我在一台装有GeForce GTX 980显卡的Windows10机器上安装了TensorFlow的图形处理器版本。诚然，我对显卡知之甚少，但根据dxdiag的说法，它确实有：共享内存的8163MB
总计约为12224MB。然而，我注意到的是，这种“共享”的记忆似乎几乎毫无用处。当我开始训练一个模型时，VRAM将被填满，如果内存需求超过这些4GB，TensorFlow将崩溃，并显示“资源耗尽”错误消息。当
浏览 2提问于2017-12-18得票数 33
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
