J'étais accro à l'apprentissage automatique en utilisant tensorflow, je vais donc le décrire.
| environnement | 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)
Lorsque vous essayez d'exécuter du code comme celui ci-dessus
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
Une erreur s'est produite et il est devenu impossible d'exécuter.
Cette erreur
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
Il était possible de l'éviter en le paramétrant pour ne pas utiliser de GPU. Je pensais que c'était causé par CUDA et j'ai essayé de télécharger à nouveau et de revoir les paramètres du chemin, mais le résultat n'a pas changé ...
pip install tf-nightly-gpu
J'ai pu le résoudre.
Je me suis demandé ce que c'était tf-nightly-gpu, mais il semblait être plus récent que la version 2.3.0 dans la dernière version de tensorflow.
pip list
Quand je regarde dans
tf-estimator-nightly 2.4.0.dev2020091501
tf-nightly-gpu 2.4.0.dev20200912
Il semblait en être au stade de développement.
Je ne savais pas pourquoi cela résolvait l'erreur ...
https://itips.krsw.biz/tensorflow-keras-gpu-deactivate/ https://github.com/tensorflow/tensorflow/issues/30665
Recommended Posts