用gpu訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),用tensorflow-cpu跑出錯(cuò)的原因及解決方案
訓(xùn)練的時(shí)候當(dāng)然用gpu，速度快呀。
我想用cpu版的tensorflow跑一下，結(jié)果報(bào)錯(cuò)，這個(gè)錯(cuò)誤不太容易看懂。
大概意思是沒(méi)找到一些節(jié)點(diǎn)。
后來(lái)發(fā)現(xiàn)原因，用gpu和cpu保存的pb模型不太一樣，但是checkpoints文件是通用的。
使用tensorflow-cpu再把checkpoints文件重新轉(zhuǎn)換一下pb文件就可以了。
完美解決！
補(bǔ)充：tensflow-gpu版的無(wú)數(shù)坑坑坑?。╰f坑大總結(jié)）
自己的小本本，之前預(yù)裝有的pycharm+win10+anaconda3+python3的環(huán)境
2019/3/24重新安裝發(fā)現(xiàn)：目前CUDA10.1安裝不了tensorflow1.13，把CUDA改為10.0即可（記得對(duì)應(yīng)的cudann呀）
如果剛?cè)肟?，建議先用tensorflw學(xué)會(huì)先跑幾個(gè)demo，等什么時(shí)候接受不了cpu這烏龜般的速度之時(shí)，就要開(kāi)始嘗試讓gpu來(lái)跑了。
cpu跑tensorflow只需要在anaconda3下載。
安裝cpu跑的tensorflow:
我的小本本目前已經(jīng)是gpu版本，cpu版本下紅圈里那個(gè)版本就好了！
安裝好了后直接在python命令中輸入
import tensorflow as tf
如果不報(bào)錯(cuò)說(shuō)明調(diào)用成功。
查看目前tensorflow調(diào)用的是cpu還是gpu運(yùn)行：
import tensorflow as tf import numpy as np a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))
然后把這段代碼粘貼到編譯器中運(yùn)行，
看一下運(yùn)行的結(jié)果中，調(diào)用運(yùn)行的是什么
看給出的是gpu還是cpu就能判斷目前運(yùn)行的是哪一個(gè)了
安裝gpu版本的tensorflow:
首先第一步要確定你的顯卡是否為N卡，
然后上https://developer.nvidia.com/cuda-gpus去看看你的顯卡是否被NVDIA允許跑機(jī)器學(xué)習(xí)
對(duì)于CUDA與cudann的安裝：
需要到nvdia下載CUDA與cudann，這里最重要的是注意CUDA與cudann與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！?。?/strong>
tensorflow在1.5版本以后才支持9.0以上的CUDA，所以如果CUDA版本過(guò)高，會(huì)造成找不到文件的錯(cuò)誤。
在官網(wǎng)也可以看到CUDA搭配的cudann
在安裝完了cudann時(shí)，需要把其三個(gè)文件復(fù)制到CUDA的目錄下，并且添加3個(gè)新的path：
3個(gè)path，
當(dāng)使用gpu版的tf時(shí)，就不再需要安裝原來(lái)版本的tf，卸載了就好，安裝tf-gpu版，
判斷自己是否有安裝tf包，對(duì)于pycharm用戶，可以在setting那看看是否安裝了tf-gpu
我使用的環(huán)境為：tf1.2+CUDA8.0+cudann5.1
當(dāng)全部正確安裝時(shí)
import tensorflow as tf 仍然出錯(cuò)
cudnn64_6.dll問(wèn)題
關(guān)于導(dǎo)入TensorFlow找不到cudnn64_6.dll，其實(shí)下載的的是cudnn64_7.dll（版本不符合），把其修改過(guò)來(lái)就行了。
目錄是在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin下
對(duì)于不斷嘗試扔失敗運(yùn)行GPU版本，可以把tf先刪除了重新下
import tensorflow as tf print(tf.__version__)
查詢tensorflow安裝路徑為:
print(tf.__path__)
成功用GPU運(yùn)行但運(yùn)行自己的代碼仍然報(bào)錯(cuò)：
如果報(bào)錯(cuò)原因是這個(gè)
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[10000,28,28,32]
最后關(guān)于這個(gè)報(bào)錯(cuò)是因?yàn)镚PU的顯存不夠，此時(shí)你可以看看你的代碼，是訓(xùn)練集加載過(guò)多還是測(cè)試集加載過(guò)多，將它一次只加載一部分即可。
對(duì)于訓(xùn)練集banch_xs,banch_ys = mnist.train.next_batch(1000) 改為
banch_xs,banch_ys = mnist.train.next_batch(100)即可，
而測(cè)試集呢print(compute_accuracy(mnist.test.images[:5000], mnist.test.labels[:5000])) 改為
print(compute_accuracy(mnist.test.images, mnist.test.labels))即可
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
- 運(yùn)行tensorflow python程序,限制對(duì)GPU和CPU的占用操作
- 基于Tensorflow使用CPU而不用GPU問(wèn)題的解決
- 在tensorflow中設(shè)置使用某一塊GPU、多GPU、CPU的操作
- tensorflow指定CPU與GPU運(yùn)算的方法實(shí)現(xiàn)
- 卸載tensorflow-cpu重裝tensorflow-gpu操作
- 使用Tensorflow-GPU禁用GPU設(shè)置(CPU與GPU速度對(duì)比)
- 詳解tf.device()指定tensorflow運(yùn)行的GPU或CPU設(shè)備實(shí)現(xiàn)
- Tensorflow中使用cpu和gpu有什么區(qū)別
- tensorflow之如何使用GPU而不是CPU問(wèn)題
- TensorFlow安裝CPU版本和GPU版本的實(shí)現(xiàn)步驟
相關(guān)文章
這篇文章主要介紹了python 命令行傳參方法總結(jié)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
Python中存在一些特殊的方法，有些方法以雙下劃線 “__” 開(kāi)頭和結(jié)尾，它們是Python的魔法函數(shù)，比如__init__()和__str__等等，不用要這種方式命名自己的變量或者函數(shù)，這篇文章主要介紹了python里面單雙下劃線的區(qū)別,需要的朋友可以參考下2023-04-04
本文主要介紹了python中pywifi的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
Django用內(nèi)置方法實(shí)現(xiàn)簡(jiǎn)單搜索功能的方法
這篇文章主要介紹了Django用內(nèi)置方法實(shí)現(xiàn)簡(jiǎn)單搜索功能的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
python空值判斷方式(if xxx和if xxx is None的區(qū)別及說(shuō)明
這篇文章主要介紹了python空值判斷方式(if xxx和if xxx is None的區(qū)別及說(shuō)明)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
python自動(dòng)化測(cè)試三部曲之request+django實(shí)現(xiàn)接口測(cè)試
這篇文章主要介紹了python自動(dòng)化測(cè)試三部曲之request+django實(shí)現(xiàn)接口測(cè)試，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10
這篇文章主要給大家介紹了關(guān)于python時(shí)間time模塊處理的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10
numpy.random.choice()函數(shù)詳解
處理數(shù)據(jù)時(shí)我們經(jīng)常需要從數(shù)組中隨機(jī)抽取元素，這時(shí)候我們可以考慮使用np.random.choice()函數(shù)，這篇文章主要介紹了numpy.random.choice()函數(shù),需要的朋友可以參考下2023-05-05
Python如何向現(xiàn)有的DataFrame添加新列示例代碼
Pandas庫(kù)中的DataFrame是處理表格數(shù)據(jù)的主要數(shù)據(jù)結(jié)構(gòu),添加新列有多種方法,包括使用現(xiàn)有列的值、創(chuàng)建全為零或全為一的列、或者直接添加一個(gè)由特定值組成的列,這些方法在處理數(shù)據(jù)時(shí)非常有用,需要的朋友可以參考下2024-11-11
python 根據(jù)csv表頭、列號(hào)讀取數(shù)據(jù)的實(shí)現(xiàn)
這篇文章主要介紹了python 根據(jù)csv表頭、列號(hào)讀取數(shù)據(jù)的實(shí)現(xiàn)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-05-05