1

我正在尝试在 Google Cloud 机器学习引擎上使用 Tensorflow 训练模型。由于 LD_LIBRARY_PATH 未指向正确的目录，tensorflow 似乎无法访问云计算机上的 libcupti 文件，如下面的日志条目所示：

lineno: 126    
  message: "Couldn't open CUDA library libcupti.so.8.0.
            LD_LIBRARY_PATH: /usr/local/cuda/lib64"    
levelname: "INFO"    
pathname: "tensorflow/stream_executor/dso_loader.cc"    
created: 1491143889.84344

据我所知，libcupti 文件都在 中，所以我需要将它附加到 LD_LIBRARY_PATH 变量中，但是通过命令/usr/local/cuda/extras/CUPTI/lib64提交作业时我该怎么做呢？gcloud ml-engine jobs submit training $JOB_NAME或者也许有更简单的解决方案？

4

1 回答 1

0

我尝试在谷歌云上使用 GPU 和 tensorflow，它对我有用。在我的代码中，我没有进行任何 GPU 特定设置（也没有使用 LD_LIBRARY_PATH 设置任何内容）

我认为您可以尝试使用简单且标准的 tensorflow 代码，并在提交作业时附加配置，然后该作业应自动使用 GPU 为您进行计算。

尝试cloudml-gpu.yaml在您的模块中添加一个文件，其中包含以下内容：

trainingInput:
  scaleTier: CUSTOM
  # standard_gpu provides 1 GPU. Change to complex_model_m_gpu for 4 
GPUs
  masterType: standard_gpu
  runtimeVersion: "1.0"

然后添加一个名为的选项--config=trainer/cloudml-gpu.yaml（假设您的培训模块位于名为 的文件夹中trainer）。例如：

export BUCKET_NAME=tf-learn-simple-sentiment
export JOB_NAME="example_5_train_$(date +%Y%m%d_%H%M%S)"
export JOB_DIR=gs://$BUCKET_NAME/$JOB_NAME
export REGION=europe-west1

gcloud ml-engine jobs submit training $JOB_NAME \
  --job-dir gs://$BUCKET_NAME/$JOB_NAME \
  --runtime-version 1.0 \
  --module-name trainer.example5-keras \
  --package-path ./trainer \
  --region $REGION \
  --config=trainer/cloudml-gpu.yaml \
  -- \
  --train-file gs://tf-learn-simple-sentiment/sentiment_set.pickle
于 2017-04-06T09:31:52.507 回答