问题标签 [tensorflow-gpu]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 使用 tensorflow inception v3 训练图像时出错
我正在使用带有 GTX 1060 GPU 的 TensorFlow Inception v3 实现图像分类。我在 9 个不同的分类器中训练了大约 3000 张图像,其中每个分类器包含 100 到 500 张图像(100*100 像素),使用诗人的张量。但是当我有超过 500 个图像时,它会抛出错误并且训练失败。具有较少图像的同一类训练没有错误。我每个班级的图像数据大小约为 5000~10000,但只有我可以训练大约 300~400 的数据大小。更多的数据,它会给出以下 GPU 错误。
规格如下:
- 带有 GeForce GTX 1060 的 Windows 7
- 蟒蛇 3 与 python 3.5
- TensorFlow Inception V3
python-2.7 - 尽管另有说明,Tensorflow 仍分配所有 GPU
我想运行一个用 Python 编写并使用 Tensorflow 的脚本。由于服务器与其他同事共享,我想限制我的脚本最多使用服务器拥有的 GPU 内存的 1/3。
为了实现这一点,我执行以下操作:
with tf.Graph().as_default():
gpu_options = tf.GPUOptions(allow_growth=True, per_process_gpu_memory_fraction=0.3)
session_conf = tf.ConfigProto(
allow_soft_placement=True,
log_device-placement=False,
gpu_options=gpu_options)
with tf.Session(conf=session_conf) as sess:
# some stuff
但是当我通过命令检查 GPU 内存使用情况时,nvidia-smi
它说所有这些都已分配。服务器上有 2 个 GPU,似乎我的脚本完全分配了它们。我究竟做错了什么 ?
我上面写的不是脚本的第一行代码。我先做一些数据处理。但如果我把它放在一开始,它也不会改变。
python - 张量流神经网络,TypeError:eval()为参数“feed_dict”获得了多个值
我正在使用tensorflow实现一个4隐藏层sigmoid激活神经网络,下面是代码。
代码训练部分运行良好,但是当我尝试评估模型时会产生此错误(请注意,这是我第一次使用 eval outisde 的教程):
如果重要的话,也可以在 tensorflow-gpu 上运行它
python - TensorFlow-GPU 错误 - Pycharm
我正在安装张量流。
我在通过 Anaconda 安装时遇到问题,所以我卸载了包括 Python 在内的所有内容,并从这里下载了 Python 3.5:
https://www.python.org/downloads/release/python-352/
安装 Python 3.5 后,我安装了 PyCharm,并设置我的路径变量,以便它可以找到 Python 文件夹。
然后我使用命令提示符安装 tensorflow:
无论如何,它安装了 tensorflow 和其他东西,如 numpy、protobuf 等。我在 PyCharm 中建立了一个项目,并将解释器设置为位于 Python35 文件夹中的默认解释器。
我在 Pycharm 中打开 Python 控制台并输入:
得到这个错误:
我希望这是足够的细节,有人可以帮助我。
python - 为 gpu 安装 tensorflow 后出现 tensorflow 导入错误
Windows 在安装 tensorflow-gpu 后在 pip python 上导入 tensorflow 时出错?
这些是以下输出。
C:\Users\DRAGooN>py Python 3.5.0 (v3.5.0:374f501f4567, Sep 13 2015, 02:27:37) [MSC v.1900 64 bit (AMD64)] on win32 输入“帮助”、“版权” 、“学分”或“许可”以获取更多信息。
导入张量流
回溯(最近一次通话最后):
python-3.x - 在带有 nVIDIA GEFORCE 920M GPU 的 Windows 10 Intel Core i3 处理器上安装 Tensorflow
我正在尝试使用此处的说明进行安装
我在系统上安装了兼容的 nVIDIA GEFORCE 920M GPU 和 CRUD DNN 工具包和驱动程序。当我在 python 程序上执行步骤以测试 GPU 上的 tensorflow 安装时:
我得到的输出是:
我向您提出的问题是:
为什么在安装所有库和工具包时未检测到 nVIDIA GPU?
为什么输出说“TensorFlow 库未编译为使用 SSE4.1 指令,但这些在您的机器上可用并且可以加速 CPU 计算”,我该如何纠正这个问题?
请给出一步一步的解决方案。没有别的。
提前感谢您的回答。
tensorflow - 在keras分类之前从最后一层提取特征
我试图在 keras 中提取特征(使用 tensorflow 和 theano 背景)。但变得不成功。
我的代码是:
我已经将 fit_generator 用于训练、验证和测试用例。
我从例如第 3 层获取输出的代码是:
但是在执行它之后我收到一个错误:
我怎么能在 theano 或 tensorflow 模式下(其中任何一个或两者)。我在代码中使用了 fit_generator 进行图像增强。
请帮忙。
python-3.x - GPU - 在 Windows 8.1 中的 Python3.5 上运行 Tensorflow 时出现黑屏
当我到达时,按照https://www.tensorflow.org/install/install_windows上的说明进行操作
激活 tensorflow-gpu $ python
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() 屏幕变黑。当我移动光标时,它会移动,然后每 10 秒左右重置到中心并消失在黑暗中,并且不会回到正常屏幕。系统信息
Windows 8.1 专业版 64 位
使用 pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl
Cuda 工具包 8.0
库顿 5.1
英特尔 i7-4700HQ
4G 英伟达 GT 750M:
python -c "将 tensorflow 导入为 tf;print(tf.GIT_VERSION, tf.VERSION)" b'unkown' 1.1.0
// 然后我尝试了:www.tensorflow.org/tutorials/using_gpu#allowing_gpu_memory_growth 允许增长和限制 gpu 内存分数直到 0.1,但仍然出现黑屏。有人建议我存在驱动程序或 GPU 问题。
让我知道我还应该提供什么
tensorflow - 如何在 Tensorflow 中提取权重矩阵和超参数以及层参数?
我看到了tf.train.Saver,但我相信这并不能解决我的问题,我担心我可能不得不对 Tensorflow 进行手术,以使权重矩阵和超参数以及激活函数和层参数可导出和导入到张量流会话。有人知道从哪里开始吗?我已经处理了其他允许您保存在 HDF5 或 Pickle for python 2.7+/3.5+ 中的框架,但是 TensorFlow 使它变得比在这种情况下实际应该更难。
TensorFlow 的作者告诉我在 StackOverflow 上提出这个问题,因为这将是最好的提问地点,因为他们不能将其视为问题,而是将其视为额外的组件或功能调查 IMO。