问题标签 [tensorflow-gpu]

我正在使用多个 GPU。我发现基本上使用多个 GPU 就是为每个设备声明一个具有共享权重的网络。

然后，权重实际上位于第一个 GPU( /gpu:0) 上并与剩余的 GPU 共享，我确保使用 Tensorboard。以下是代码。

完全没问题吗？或者在Net定义中，我应该明确声明每个权重（例如，卷积层权重）/cpu:0吗？

在CIFAR10多 GPU 示例中，它们在 CPU 中声明权重并与多个 GPU 共享它们，如

为什么？有原因吗？

我知道 Tensorflow 可以通过"/cpu0"或明确地将计算放置在任何设备上"/gpu0"。但是，这是硬编码的。有没有办法使用内置 API 迭代所有可见设备？

例如，如果我运行这段代码：

然后我会得到这个：

警告总是出现，非常烦人。我尝试过使用其他解决方案，例如：

但它仍然给了我同样的警告。两件事，我怎样才能摆脱警告？tensorflow 只使用 GPU 吗？

我正在编写一个自定义的 Tensorflow 操作。我需要将自定义数据结构（在 CPU 上构建）发送到 GPU 以在 CUDA 内核中使用。但是，据我了解，使用 Tensorflow 管理内存，只能动态分配张量，对吗？如果是这样：

a) 如何在 CPU 上分配一个临时张量，以便我可以从自定义数据结构中写入数据？

b) 我怎样才能将此张量存储到 GPU 以与 CUDA 内核一起使用？

我看到allocate_temp使用AllocatorAttributes但文档不存在。

基本上我需要和 的 Caffe 等价mutable_cpu_data物mutable_gpu_data。

最近我正在为 windows 安装 tensorflow(gpu)。我有一张计算能力 = 3.0（兼容）Python（3.5.2）Cuda 8.0（已安装并正常工作）CudNN 的显卡（这些是根据 tensorflow 手册）但是当我安装了 tensorflow

它已成功安装。但是当我在 python 中运行代码时，我得到了错误。这是日志。

任何人都可以找出问题所在。我现在正在尝试使用 gpu，但由于这个错误而卡住了几个星期

我尝试自己编译 Tensorflow 以加快训练速度（使用预编译的轮子可以工作，但速度很慢）。我使用 ./configure 来配置并明确指定应使用 cuDNN 版本 5.1.10。在此之前，我下载了 cuDNN 5.1.10 并将我的文件复制到 Cuda 目录。

这是配置（.tf_configure.bazelrc）的样子：

注意 TF_CUDNN_VERSION="5.1.10" 部分。接下来我执行以下命令：

最后，我收到以下错误消息

到底是怎么回事？尽管我指定了正确的版本，但不知何故 Tensorflow 是使用 cuDNN 5.0 编译的？！

系统为 Ubuntu 16，AWS p2 实例。

根据

https://www.tensorflow.org/install/install_mac注意：从 1.2 版开始，TensorFlow 不再在 Mac OS X 上提供 GPU 支持。不再提供对 OS X 的 GPU 支持。

但是，我想通过 Thunderbolt 3 运行一个 e-gpu 设置，比如 1080 ti 的 akitio 节点。

需要哪些步骤才能使此设置正常工作？到目前为止我知道

• 禁用 SIP
• 运行自动化 e-gpu 脚本https://github.com/goalque/automate-eGPU

是必须的。让 CUDA / tensorflow 工作还需要什么？

我正在使用 linux（ubuntu 16.04），我的笔记本电脑有 nvidia geforce 840m。我尝试按照他们网站上的步骤以及 CUDA 和 cuDNN 安装 tensorflow GPU。但不知何故，在 spyder IDE 上运行代码然后使用 nvidia-smi 检查 nvidia 状态时，它说 GPU 上没有运行任何进程。我无法解决这个问题。如果有人能够解决此问题，请提供帮助。

提前致谢！

我的 conda 中有这些环境：

此外，当我使用 theanos 导入 keras 时，它会显示以下内容：

当使用 theanos 后端时，nvidia-smi 显示使用 nvidia gpu0 的 anaconda。因此我成功安装了所有先决条件

我正在尝试使用以下步骤在 Windows 10 中训练 TensorFlow 模型：https ://github.com/tensorflow/models/tree/master/attention_ocr#requirements

我已经为 Windows 安装了 virtualenv（按照这个例子）

Windows 无法识别 source 命令。Windows 是否需要 virtualenv 命令的附加步骤，或者是否有源命令的替代用法？

请注意，随后的 pip install 命令有效（pip，tensorflow_gpu），但是当我尝试使用 train.py 进行训练时，出现以下错误：

如何使用 Inception V3 tensorflow 模块使用我们自己的需求数据集图像进行训练。比如说我想用不同的冷饮公司品牌百事可乐、雪碧等来训练 Inception V3 模块。它是如何实现的..?? 在链接https://github.com/tensorflow/models/tree/master/inception中，他们使用 ImageNet 进行了解释。我对此有点困惑。请解释一下这些东西。