Ich war süchtig nach maschinellem Lernen mit Tensorflow, also werde ich es beschreiben.
| Umgebung | version |
|---|---|
| OS | Windows |
| tensorflow | 2.3.0 |
| CUDA | 11.0 |
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(512, activation=tf.nn.relu),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
Beim Versuch, Code wie oben auszuführen
F .\tensorflow/core/kernels/random_op_gpu.h:232] Non-OK-status: GpuLaunchKernel(FillPhiloxRandomKernelLaunch<Distribution>, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) status: Internal: invalid configuration argument
Fehler aufgetreten und es wurde unmöglich auszuführen.
Dieser Fehler
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
Es konnte vermieden werden, indem die GPU nicht verwendet wurde. Ich dachte, es wurde durch CUDA verursacht und versuchte erneut, die Pfadeinstellungen herunterzuladen und zu überprüfen, aber das Ergebnis änderte sich nicht ...
pip install tf-nightly-gpu
Ich konnte es lösen. Ich fragte mich, was es "tf-nightly-gpu" war, aber es schien in der neuesten Version von Tensorflow neuer als 2.3.0 zu sein.
pip list
Wenn ich es nachschaue
tf-estimator-nightly 2.4.0.dev2020091501
tf-nightly-gpu 2.4.0.dev20200912
Es schien sich in der Entwicklungsphase zu befinden.
Ich wusste nicht, warum dies den Fehler löste ...
https://itips.krsw.biz/tensorflow-keras-gpu-deactivate/ https://github.com/tensorflow/tensorflow/issues/30665
Recommended Posts