0

系统信息

我是否编写了自定义代码（而不是使用 TensorFlow 中提供的股票示例脚本）：

  1. 操作系统：Windows 10 Home，8GB 内存，NVIDIA MX250 2GB 显卡。- TensorFlow 安装自（源或二进制）：源“pip install tensorflow-gpu”
  2. TensorFlow 版本：2.2.0
  3. Python 版本：3.6 CUDA/cuDNN 版本：
  4. CUDA 10.2 和 CUDNN：8.0.3.33 即用于 cuda 10.1 GPU 模型和
  5. 内存：NVIDIA MX250 with 2GB Graphic

问题

我的 tensorflow-gpu 工作正常。一旦我重新安装了我的 anaconda 并在此之后再次安装 tensorflow-gpu，当我每次尝试在 tensorflow-gpu 上训练任何模型时，它总是给我这个错误：

依赖驱动进行ptx编译。修改 $PATH 以自定义 ptxas 位置。此消息将仅记录一次。2020-09-24 21:35:23.361799: W tensorflow/core/common_runtime/bfc_allocator.cc:246] 分配器 (GPU_0_bfc) 试图在 freed_by_count=0 的情况下分配 2.20GiB 时内存不足。调用者表示这不是失败，但可能意味着如果有更多内存可用，可能会提高性能。2020-09-24 21:35:23.363348: W tensorflow/core/common_runtime/bfc_allocator.cc:246] 分配器 (GPU_0_bfc) 在尝试分配 freed_by_count = 0 的 1.02GiB 时内存不足。调用者表示这不是失败，但可能意味着如果有更多内存可用，可能会提高性能。2020-09-24 21:35:23.627463：W tensorflow/core/common_runtime/bfc_allocator.cc：246] 分配器 (GPU_0_bfc) 用 freed_by_count=0 尝试分配 1.11GiB 时内存不足。调用者表示这不是失败，但可能意味着如果有更多内存可用，可能会提高性能。

简单代码

from tensorflow.keras.applications import VGG16
from tensorflow.keras.layers import Dense, Flatten,Conv2D,MaxPool2D,AvgPool2D,Dropout
from tensorflow.keras.models import Model,Sequential
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from glob import glob
import matplotlib.pyplot as plt

train_path="E:/AI-Application-Implementation/trained_model/Classification/Cifar-10/data/train"
test_path="E:/AI-Application-Implementation/trained_model/Classification/Cifar-10/data/test"

folders=glob("E:/All Data Set/CIFAR10/train/*")

datagen=ImageDataGenerator(rotation_range=0.5,
brightness_range=[0.2,0.5],
zoom_range=[0.1,0.8],
horizontal_flip=True,
validation_split=0.2,
rescale=1./255)

train=datagen.flow_from_directory(directory=train_path,
target_size=(256,256),
# color_mode="grayscale",
shuffle=True,
class_mode='categorical',
subset='training')

test=datagen.flow_from_directory(directory=train_path,
target_size=(256,256),
# color_mode="grayscale",
shuffle=True,
class_mode='categorical',
subset='validation')

model=Sequential()

model.add(Conv2D(filters=32,kernel_size=(3,3),input_shape=(256,256,3),activation='relu'))
model.add(Conv2D(filters=32,kernel_size=(3,3),activation='relu'))
model.add(MaxPool2D(pool_size=(3,3)))
model.add(Conv2D(filters=64,kernel_size=(3,3),activation='relu'))
model.add(Conv2D(filters=64,kernel_size=(3,3),activation='relu'))
model.add(MaxPool2D(pool_size=(3,3)))
model.add(Conv2D(filters=128,kernel_size=(3,3),activation='relu'))
model.add(Conv2D(filters=128,kernel_size=(3,3),activation='relu'))
model.add(Conv2D(filters=128,kernel_size=(3,3),activation='relu'))
model.add(MaxPool2D(pool_size=(3,3)))
model.add(AvgPool2D(pool_size=(6,6)))
model.add(Flatten())
model.add(Dense(units=64,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(units=10,activation='softmax'))
model.summary()
model.compile(loss='sparse_categorical_crossentropy',optimizer="adam",metrics=['accuracy'])

history=model.fit(train,validation_data=test,epochs=5,steps_per_epoch=len(train),validation_steps=len(test))

其他信息/日志包括任何有助于**的日志或源代码

**

2020-09-24 21:35:09.493907: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] 成功打开动态库 cudart64_101.dll 找到属于 10 个类的 40000 张图像。

2020-09-24 21:35:09.493907: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] 成功打开动态库 cudart64_101.dll 2020-09-24 21:35:14.913210: I tensorflow/stream_executor/platform /default/dso_loader.cc:48] 成功打开动态库 nvcuda.dll

797938：I tensorflow/core/platform/cpu_feature_guard.cc:142] 此 TensorFlow 二进制文件使用 oneAPI 深度神经网络库 (oneDNN) 进行了优化，以在性能关键操作中使用以下 CPU 指令：AVX2 要在其他操作中启用它们，请重建具有适当编译器标志的 TensorFlow。2020-09-24 21:35:15.809116: I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x29073047360 已为平台主机初始化（这并不能保证将使用 XLA）。设备：2020-09-24 21:35:15.810096：I tensorflow/compiler/xla/service/service.cc:176] StreamExecutor 设备（0）：主机，默认版本 2020-09-24 21:35:15.811012：I tensorflow/core/common_runtime/gpu/gpu_device.cc:1716] 找到具有属性的设备 0：pciBusID：0000:06:00.0 名称：GeForce MX250 计算能力：6.1 coreClock：1.582GHz coreCount：I tensorflow/stream_executor/platform/default/dso_loader.cc:48] 成功打开动态库 cusparse64_10.dll 2020-09-24 21:35:15.815903: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] 成功打开动态库 cudnn64_7.dll 2020-09-24 21:35:15.816520: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1858] 添加可见 gpu 设备：0 找到属于 10 个类的 10000 个图像。型号：“顺序”

4

0 回答 0