问题标签 [tensorflow-gpu]

我正在尝试将训练文本文件转换为 bin 文件以训练 tensorflow 的 textsum。但是我遇到了以下错误：

请帮助我。我正在使用 tensorflow 1.2.0 和 python 2.7.2。

我正在尝试在 .csv 数据集（5008 列，533 行）上训练模型。我正在使用文本阅读器将数据解析为两个张量，一个保存要在 [example] 上训练的数据，另一个保存正确的标签 [label]：

这部分正在工作，当执行类似的事情时：

我的结果是Test: Tensor("shuffle_batch:0", shape=(10, 5007), dtype=float32)

到目前为止，这对我来说似乎很好。接下来，我创建了一个包含两个隐藏层（分别为 512 和 256 个节点）的简单模型。当我尝试训练模型时，出现问题的地方是：

I've based this approach on this example that uses the MNIST database. However, when I'm executing this, even when I'm just using batch_size = 1, Tensorflow just hangs. If I leave out the .eval() functions that should get the actual data from the tensors, I get the following response:

Now this I can understand, but I don't understand why the program hangs when I do include the .eval() function and I don't know where I could find any information about this issue.

EDIT: I included the most recent version of my entire script here. The program still hangs even though I implemented (as far as I know correctly) the solution that was offered by vijay m

我尝试在没有virutalenv 或docker 的情况下使用TensorFlow。只需使用 pip3。我的分类器在 Docker 中工作，但每次我想做某事时启动它是很痛苦的。这是我的错误：

这是我的代码：

Python 3.5.2 :: Anaconda 4.2.0（64 位）

我已经使用 tensorflow 建立了一个快速网络，它似乎正在正确训练。它使用 GPU 进行所有网络操作，我通过创建会话验证了这一点tf.Session(config=tf.ConfigProto(log_device_placement=True))

我这样设置网络：

网络函数设置图形并返回训练操作和生成的图像张量以进行记录。

麻烦在于在 tensorboard 中可视化图形。出于某种原因，它只显示了我的输入处理操作的图表，如下所示：

如何让它正确显示我的整个网络？

在打开 ipython 时根据 tf 文档https://www.tensorflow.org/install/install_linux安装 python anaconda 然后 tensorflow 并键入

我收到错误消息：

任何帮助

I am trying to run a large distributed tensorflow model on Google Cloud's ML engine and am having trouble understanding what should go on tf.train.ClusterSpec.

When you run a job on Google Cloud you can select the scale tier from BASIC, STANDARD_1, PREMIUM_1, BASIC_GPU or CUSTOM, each giving you access to different types of clusters. However, I can't find the name/addresses of the machines in these clusters.

我在运行 pip install --upgrade tensorflow_gpu 时从 pypi.python.org 超时，所以我添加了 --verbose 和 --timeout 10000 参数。它开始很快，然后开始爬行：

在 Windows 的 virtualenv 中安装 tensorflow-gpu 是否有更好的方法？遵循此模型的说明：https ://github.com/tensorflow/models/tree/master/attention_ocr

我是深度学习的新手。我只是想测试一些想法，所以我在 Azure VM NC6 上成功玩了https://github.com/anishathalye/neural-style（NC6对我来说就像一个 Instamatic ^_^）。但我得到了一些奇怪的日志。
在日志之前，我应该展示一下 NC6 的特性：

我有两个问题：

1. 日志显示总内存只有 11GiB。但是对于 NC6，内存是 56GiB，GPU 是 24GiB。它们都不像 11GiB。我使用了 top 命令，它显示可用内存约为 55GiB。那么如何更有效地使用NC6 VM呢？有什么配置吗？或者只是在神经风格中添加一些 python 代码（使用 config = tf.ConfigProto() 来改变 GPU 内存的分配方式？）？

2. 日志显示了关于 SSE3、SSE4.1、SSE4.2 的六个警告。AVX、AVX2 和 FMA 都是关于 CPU 计算的。我应该忽略 GPU 计算模式下的警告吗？

非常感谢！

在文本示例上训练 cnn 模型时遇到问题。

1. 在单 GPU 上训练时，我的 GPU 利用率非常高，大约 97%，但训练速度非常慢。1000 个批次需要 450 秒（每批次 64 个示例），因此每个示例需要 7 毫秒。相比之下，分层 lstm 每个示例只需要 2~3ms。
2. 我试图在 GPU 集群上部署我的训练进度，但得到了一个奇怪的 GPU 利用率。我使用了 4 个 GPU，大部分时间利用率为 0%。我尝试将批量大小从 64 修改为 2，然后 GPU 利用率变为正常，但小批量会导致性能低下。所以我想问有没有一种有效的方法可以通过使用 GPU 集群来加快训练进度。

（顺便说一句，这些问题仅在单个输入示例非常大时发生，例如包含数千个单词的新闻正文内容。当输入是新闻标题时，GPU 集群工作正常）

输入格式 [ 64 (examples/batch) * 2500 (words/example) * 200 (embedding dim) ] 对于我的 5 层 cnn 模型来说是否太大而无法正确训练？

1.模型定义（改编自https://github.com/dennybritz/cnn-text-classification-tf）

2.训练进度（单GPU）

3.并行训练进度

我使用 TensorFlow 函数 tf.image.resize_images 来调整图像大小，但在代码中出现此错误：ValueError: 'images' contains no shape。完整代码如下：

完整的错误信息是

然后我尝试解决这个问题，但只能找到这样的方法

只有这样功能才能正常工作，但不知道为什么？函数 tf.image.resize_images 是否仅将 numpy 数组作为参数？或者我可以找到另一种方法来解决这个问题？注意：img.set_shape([218,78,3]) 对我不起作用