问题标签 [tensorflow-gpu]

我是 tensorflow 的新手，我有一个张量（字符串类型），其中存储了我想用于训练模型的所有必需图像的图像路径。

问题：如何读取张量以进行排队，然后对其进行批处理。

我的方法是：给我错误

错误：TypeError：预期的字符串或缓冲区'

我不知道我的方法是否正确

我正在按照tensorflow 文档中的指南为需要 GPU 支持的 tensorflow 开发自定义 OP 。在我自己的代码中跟踪错误时，我从文档中返回示例并尝试编译引用的代码示例：

使用文档中建议的命令：

用$TF_INC张量流包含路径正确替换。不幸的是，这会产生很多错误：

还有更多这样的。

我发现这可能与不受支持的 nvcc / gcc / os 组合有关。我没有自己设置机器（实际上没有 sudo 权限）。我在 Ubuntu 16.04.2 上有 nvcc 版本 7.5.17、gcc 版本 4.9.3。CUDA 7.5 支持的系统中未列出 Ubuntu 16.04.2。这可能是一个问题，但我发现很多人声称它适用于 16.04。此外，我在这台机器上成功编译了支持 GPU 的 Tensorflow..

此外，这些错误与代码中的 Tensor #include有关，并且代码在没有此行的情况下成功编译。我没有尝试过演示 OP 是否可以在没有此包含的情况下工作，但我自己的 OP 失败了

两个问题：

1. 为什么我需要包含这个 Eigen Tensor 标头，尽管演示 OP 实际上不使用 Eigen Tensor？
2. 错误来自哪里以及如何解决？您认为这与不受支持的系统配置有关吗？

例外：回溯（最近一次调用）：文件“C:\ProgramData\Anaconda3\lib\site-packages\pip\basecommand.py”，第 215 行，主要状态 = self.run(options, args) 文件“C :\ProgramData\Anaconda3\lib\site-packages\pip\commands\install.py"，第 342 行，运行前缀=options.prefix_path，文件 "C:\ProgramData\Anaconda3\lib\site-packages\pip\req \req_set.py"，第 784 行，安装 **kwargs 文件 "C:\ProgramData\Anaconda3\lib\site-packages\pip\req\req_install.py"，第 851 行，安装 self.move_wheel_files(self.source_dir , root=root, prefix=prefix) 文件“C:\ProgramData\Anaconda3\lib\site-packages\pip\req\req_install.py”，第 1064 行，在 move_wheel_files isolated=self.isolated，文件“C:\ProgramData \Anaconda3\lib\site-packages\pip\wheel.py",第 345 行，在 move_wheel_files clobber(source, lib_dir, True) 文件“C:\ProgramData\Anaconda3\lib\site-packages\pip\wheel.py”中，第 323 行，在 clobber shutil.copyfile(srcfile, destfile) 文件中“ C:\ProgramData\Anaconda3\lib\shutil.py"，第 115 行，在副本文件中，open(dst, 'wb') as fdst: PermissionError: [Errno 13] Permission denied: 'C:\ProgramData\Anaconda3\Lib\站点包\轮\archive.py'\ProgramData\Anaconda3\Lib\site-packages\wheel\archive.py'\ProgramData\Anaconda3\Lib\site-packages\wheel\archive.py'

我拼命地试图在我的程序中找到错误。我一直收到以下错误：

我使用的是 TF 版本 1.1.0，tfrecords-FIle 大小为 40GB，包含 1.6M 示例。我的脚本（如下）与我试图从中读取的201704_test.tfrecords位于同一文件夹中。当前的批量大小、容量和循环范围只是任意选择进行测试。尝试了一些在 GitHub 和 StackOverFlow 中提到的东西，我一直卡在这里。

我的脚本

感谢您提供任何有用的建议！

我已经使用 numpy 读取了一个 csv 文件genfromtxt

csv_file = np.genfromtxt(args.dataset, delimiter=',',skip_header=1,usecols=(0,1,2,3,4,5), dtype=None)

问题：如何使用 string_input_producer 对文件进行排队和批处理。

我正在尝试在训练过程中重置并重新输入 FIFIQueue。可能吗？

我添加了一个代码来做到这一点。这个实现能够为训练过程添加新值，但它不能删除旧元素，所以我需要找到一种方法来阻止旧队列运行器。我试过了sess.run(qr.close_op)，sess.run(qr.cancel_op)但没有奏效。

另外，我不想重新创建图形并重用变量。tf.train.string_input_producer不符合我在原始实现中的需要。

我的 Windows 10 机器中有以下环境

Python：3.6.0 蟒蛇：4.3.1

张量流：1.1.0

屏幕截图

操作系统：Windows 10-64 位

现在，当我尝试将 keras 安装到我的系统中时，我得到了大量的错误列表。

详细的错误日志

现在我有两个问题。

1. 当我已经拥有很难安装的 tensorflow GPU 版本时，我可以将 keras 安装到我的系统中吗？

2. 如果 keras 可以安装到我的这个系统配置中，那么我的 tensorflow GPU 版本之后会正常工作吗？

我有一个迷你项目，用于本学期在 Tensorflow 中的新课程，主题是随机的。由于我对卷积神经元网络有一些背景，我打算将它用于我的项目。我的电脑只能运行CPU版本的 TensorFlow。

但是，作为一个新手，我意识到有很多主题，例如 MNIST、CIFAR-10 等，因此我不知道应该从中挑选出哪个合适的主题。我只剩下两个星期了。如果主题不是太复杂但太不容易学习，那就太好了，因为它符合我的中级水平。

以你的经验，你能给我一些关于我应该为我的项目做的具体主题的建议吗？

此外，如果在这个主题中我可以提供我自己的数据来测试我的训练会更​​好，因为我的教授说在我的项目中获得 A 级是一个加分点。

提前致谢，

我正在尝试在本文档之后松散地向 TensorFlow 添加一个新操作。不同之处在于我正在尝试实现基于 GPU 的操作。我要添加的操作是来自此处的 cuda 操作（cuda_op.py、cuda_op_kernel.cc、cuda_op_kernel.cu.cc）。我正在尝试在 tensorflow 之外编译这些并tf.load_op_library用于将它们拉入。我做了一些更改，所以这里是我的文件：

cuda_op_kernel.cc

cuda_op_kernel.cu

CMakeLists.txt

测试.py

我能够test.py成功编译和运行，但输出始终是[0 0 0 0 0]. 如果我AddOneKernel<<<32, 256>>>(in, N, out);用for (int i = 0; i < N; i++) out[i] = in[i] + 1;和DEVICE_GPU替换DEVICE_CPU，则运算输出正确的值[6 5 4 3 2]（完全相同CMakeList.txt）。

知道如何获得要返回的正确值吗？

我在安装 tensorflow-gpu 的 v0.11.0 版本时遇到问题。我的代码适用于 tensorflow==0.11.0，但速度很慢。我有一个 tensorflow-gpu==0.11.0 但由于升级而丢失了它。存储库pip不再有 v0.11，仅从 v0.12 开始。我从这里得到了 v0.11 轮子。我可以使用轮子安装 tensorflow==0.11.0export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

但我无法使用相应的链接安装 tensorflow-gpu==0.11.0 的 GPU 版本export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl 链接看起来与我相同，只是文件夹与gpu/和不同cpu/。使用 GPU 的链接后，它会安装tensorflow==0.11.0而不是tensorflow-gpu=0.11.0. 我在哪里可以找到一个tensorflow-gpu==0.11.0轮子？