时间:2021-05-22
训练的时候当然用gpu,速度快呀。
我想用cpu版的tensorflow跑一下,结果报错,这个错误不太容易看懂。
大概意思是没找到一些节点。
后来发现原因,用gpu和cpu保存的pb模型不太一样,但是checkpoints文件是通用的。
使用tensorflow-cpu再把checkpoints文件重新转换一下pb文件就可以了。
完美解决!
补充:tensflow-gpu版的无数坑坑坑!(tf坑大总结)
自己的小本本,之前预装有的pycharm+win10+anaconda3+python3的环境
2019/3/24重新安装发现:目前CUDA10.1安装不了tensorflow1.13,把CUDA改为10.0即可(记得对应的cudann呀)
如果刚入坑,建议先用tensorflw学会先跑几个demo,等什么时候接受不了cpu这乌龟般的速度之时,就要开始尝试让gpu来跑了。
cpu跑tensorflow只需要在anaconda3下载。
我的小本本目前已经是gpu版本,cpu版本下红圈里那个版本就好了!
安装好了后直接在python命令中输入
import tensorflow as tf如果不报错说明调用成功。
然后把这段代码粘贴到编译器中运行,
看一下运行的结果中,调用运行的是什么
看给出的是gpu还是cpu就能判断目前运行的是哪一个了
首先第一步要确定你的显卡是否为N卡,
然后上https://developer.nvidia.com/cuda-gpus去看看你的显卡是否被NVDIA允许跑机器学习
需要到nvdia下载CUDA与cudann,这里最重要的是注意CUDA与cudann与tensorflow三者的搭配,
注意版本的搭配!!!
注意版本的搭配!!!
注意版本的搭配!!!
tensorflow在1.5版本以后才支持9.0以上的CUDA,所以如果CUDA版本过高,会造成找不到文件的错误。
在官网也可以看到CUDA搭配的cudann
在安装完了cudann时,需要把其三个文件复制到CUDA的目录下,并且添加3个新的path:
3个path,
当使用gpu版的tf时,就不再需要安装原来版本的tf,卸载了就好,安装tf-gpu版,
判断自己是否有安装tf包,对于pycharm用户,可以在setting那看看是否安装了tf-gpu
我使用的环境为:tf1.2+CUDA8.0+cudann5.1
当全部正确安装时
import tensorflow as tf 仍然出错
cudnn64_6.dll问题
关于导入TensorFlow找不到cudnn64_6.dll,其实下载的的是cudnn64_7.dll(版本不符合),把其修改过来就行了。
目录是在:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin下
对于不断尝试扔失败运行GPU版本,可以把tf先删除了重新下
import tensorflow as tfprint(tf.__version__)查询tensorflow安装路径为:
print(tf.__path__)如果报错原因是这个
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[10000,28,28,32]最后关于这个报错是因为GPU的显存不够,此时你可以看看你的代码,是训练集加载过多还是测试集加载过多,将它一次只加载一部分即可。
对于训练集banch_xs,banch_ys = mnist.train.next_batch(1000) 改为
banch_xs,banch_ys = mnist.train.next_batch(100)即可,
而测试集呢print(compute_accuracy(mnist.test.images[:5000], mnist.test.labels[:5000])) 改为
print(compute_accuracy(mnist.test.images, mnist.test.labels))即可
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
问题描述:在利用神经网络进行分类和识别的时候,使用了keras这个封装层次比较高的框架,backend使用的是tensorflow-cpu。在交叉验证的时候,出
tensorflow中如果要对神经网络模型进行训练,需要把训练数据转换为tfrecord格式才能被读取,tensorflow的model文件里直接提供了相应的脚
最近听了张江老师的深度学习课程,用Pytorch实现神经网络预测,之前做Titanic生存率预测的时候稍微了解过Tensorflow,听说Tensorflow能
本篇文章主要通过一个简单的例子来实现神经网络。训练数据是随机产生的模拟数据集,解决二分类问题。下面我们首先说一下,训练神经网络的一般过程:1.定义神经网络的结构
本文实例为大家分享了用简单的神经网络来训练和测试的具体代码,供大家参考,具体内容如下刚开始学习tf时,我们从简单的地方开始。卷积神经网络(CNN)是由简单的神经