运行TensorFlow XLA的NotFoundError示例(libdevice.compute_35.10.bc)
TensorFlow XLA是一种针对深度学习模型的编译器，它可以优化模型的计算性能。而NotFoundError是TensorFlow XLA在运行过程中可能遇到的错误之一，它表示找不到特定的库文件libdevice.compute_35.10.bc。
libdevice.compute_35.10.bc是一个CUDA库文件，用于在GPU上执行计算。它包含了针对不同GPU架构的优化代码。在TensorFlow XLA中，当尝试在GPU上运行模型时，会尝试加载这个库文件。如果找不到该文件，就会抛出NotFoundError。
解决NotFoundError的方法是确保libdevice.compute_35.10.bc文件存在于系统中，并且可以被TensorFlow XLA正确找到。以下是一些可能的解决方法：
- 检查CUDA安装：首先，确保已正确安装了CUDA，并且CUDA的版本与TensorFlow XLA兼容。可以通过运行
nvcc --version命令来检查CUDA的版本。如果CUDA未安装或版本不匹配，需要重新安装或升级CUDA。 - 检查CUDA库文件路径：确认libdevice.compute_35.10.bc文件存在于CUDA的库文件路径中。可以通过设置LD_LIBRARY_PATH环境变量来指定CUDA库文件的路径，或者将libdevice.compute_35.10.bc文件复制到默认的CUDA库文件路径中。
- 更新TensorFlow XLA：确保使用的是最新版本的TensorFlow XLA。可以通过升级或重新安装TensorFlow XLA来解决一些已知的问题和错误。
- 检查GPU驱动：确保GPU驱动已正确安装并与CUDA兼容。可以通过查看GPU厂商的官方网站来获取最新的GPU驱动程序，并按照说明进行安装。
- 检查硬件兼容性：确保使用的GPU与TensorFlow XLA兼容。可以查阅TensorFlow官方文档或硬件厂商的官方文档来获取相关信息。
腾讯云提供了一系列与深度学习和GPU相关的产品和服务，可以帮助解决TensorFlow XLA的NotFoundError问题。以下是一些推荐的腾讯云产品和产品介绍链接：
- GPU云服务器：腾讯云提供了多款配置丰富的GPU云服务器，适用于深度学习、图形渲染等高性能计算场景。详情请参考：GPU云服务器
- 弹性GPU：腾讯云的弹性GPU可以为云服务器提供额外的GPU计算能力，提升计算性能。详情请参考：弹性GPU
- AI引擎：腾讯云的AI引擎提供了一站式的深度学习平台，包括模型训练、推理服务等功能。详情请参考：AI引擎
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
我正在使用从源代码编译的TensorFlow运行。运行python mnist_softmax_xla.py会导致以下错误：
I tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0: Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0,
浏览 84提问于2017-01-19得票数 1
回答已采纳
我正尝试在Colab中的自定义数据集上运行Deeplabs。我想将我的数据集转换为TFRecord格式，但是当我运行build_voc2012_data.py文件时，我得到了一个错误。有没有人能告诉我为什么我会得这个病，以及如何摆脱它？
!python build_voc2012_data.py \
--image_folder="./skin_lesion/JPEGImages" \
--semantic_segmentation_folder="./skin_lesion/SegmentationClass" \
--list_folder="./s
浏览 6提问于2020-12-28得票数 0
Tensorflow提供了一种通过XLA运行tensorflow图的方法，但是，它没有提到如何使用c++ api通过XLA运行tensorflow图。有没有人能给我点建议？
浏览 6提问于2017-05-24得票数 1
1回答
我正在创建一个神经网络模型，并且我想在run中运行keras_sequential_model()。我已经使用install_tensorflow()命令安装了张量流。然而，当我运行keras_sequential_model()来构建我的模型时，它返回的是一个全局环境，而不是一个我可以编译的模型。我在控制台中打印了以下内容：
2021-06-02 10:26:06.287327: I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, tf_xla_enable_xla_devices not set
浏览 0提问于2021-06-02得票数 0
我正在尝试获取由TensorFlow中的XLA编译器生成的LLVM。我知道整个LLVM上下文包含在llvm_module对象中。然后将其转换为文件：llvm_ir::DumpModuleToString(*llvm_module)中的Compile()函数中的实用程序函数//tensorflow/compiler/xla/service/cpu.cpu_compiler.cc函数的字符串。
但我一直在尝试使用来自tensorflow/core/logging.h的tensorflow/core/logging.h记录它。没有显示日志。但是，来自其他文件的其余VLOG(2)语句都记录在我的Pyt
浏览 1提问于2017-03-10得票数 3
回答已采纳
~\AppData\Roaming\Python\Python36\site-packages\tensorflow\contrib\tpu\python\tpu\tpu_estimator.py in <module>()
38 from tensorflow.contrib.tpu.python.tpu import tpu_config
39 from tensorflow.contrib.tpu.python.tpu import tpu_context
---> 40 from tensorflow.contrib.tpu.python.tpu
浏览 2提问于2018-08-18得票数 1
在我的特性工程中，发生了以下错误。我的特性列表有21个子列表，每8537个值都是0或1。当尝试通过tensorflow运行一个热编码时，它会显示错误Could not find valid device for node，有人对错误有快速修复吗？
for feature in featurelist[1:]:
df = tensorflow.convert_to_tensor(feature, dtype=tensorflow.float32)
print(df)
df_enc = tensorflow.one_hot(df, 2, on_value=None, off
浏览 3提问于2020-05-29得票数 4
回答已采纳
我正在尝试使用Tensorflow从Google的一个模型中进行预测。会话似乎启动并运行了几秒钟后，员工才被杀死/引导。
tensorflow/core/platform/cpu_feature_guard.cc:142]您的CPU支持这样的指令，即这个TensorFlow二进制文件没有编译来使用: AVX2
tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU频率: 2200000000 Hz
tensorflow/compiler/xla/service/service.cc:168] XLA服务0x572b370在平台主
浏览 4提问于2020-03-04得票数 0
我正在尝试学习关于XLA和JIT ()的教程。根据，当我运行该命令时
https://www.tensorflow.org/performance/xla/jit#step_3_run_with_xla
它应该生成一个输出，其中包含XLA图的位置。但是，我的输出不包括此信息。
Extracting /tmp/tensorflow/mnist/input_data/train-images-idx3-ubyte.gz
Extracting /tmp/tensorflow/mnist/input_data/train-labels-idx1-ubyte.gz
Extracting /tmp/ten
浏览 19提问于2017-08-15得票数 1
我试图理解top k分类准确率是什么意思，所以我看了源代码，发现它使用了nn.in_top_k。我试图尝试这个函数，但只得到了错误消息： NotFoundError: Could not find valid device for node.
Node:{{node InTopKV2}}
All kernels registered for op InTopKV2 :
device='XLA_GPU'; T in [DT_INT32, DT_INT64]
device='XLA_CPU'; T in [DT_INT32, DT_INT64]
dev
浏览 34提问于2020-08-12得票数 1
我只是在安装TensorFlow 2.0，但遇到了session.run问题。每次我使用python在代码上执行sess.run时，我都会得到一个运行时错误。代码片段：
import tensorflow.compat.v1 as tf
sess=tf.Session()
# verify we can print a string
hello=tf.constant("Hello Pluralsight from TensorFlow")
print((hello))
a = tf.constant(20)
b = tf.constant(22)
z =
浏览 6提问于2020-11-24得票数 0
回答已采纳
我正在尝试运行支持CPU的tensorflow。
tensorflow：
版本: 1.14.0
喀拉斯：
版本: 2.3.1
当我试图运行以下代码时：
def run_test_harness(trainX,trainY,testX,testY):
datagen=ImageDataGenerator(rescale=1.0/255.0)
train_it = datagen.flow(trainX, trainY, batch_size=1)
test_it = datagen.flow(testX, testY, batch_size=1)
model=de
浏览 2提问于2020-10-21得票数 0
回答已采纳
我有一个维度为(70000，1)类型的整数的input_array。例如前10个值 [[1]
[9]
[2]
[10]
[2]
[5]
[10]
[3]
[3]
[10]] 我想在第二个轴上用0替换所有10的匹配项。在tensorflow中执行此操作的最佳方法是什么？在做的时候 tf.map_fn(fn=lambda t: tf.math.mod(t，10)，elems=input_array)给了我 NotFoundError: Could not find valid device for node.
Node:{{node FloorMod}}
All kernels
浏览 30提问于2020-08-18得票数 0
我尝试在databricks/GPU (p2.xlarge)上运行一些TensorFlow (2.2)示例代码，环境为： 6.6 ML, spark 2.4.5, GPU, Scala 2.11
Keras version : 2.2.5
nvidia-smi
NVIDIA-SMI 440.64.00 Driver Version: 440.64.00 CUDA Version: 10.2 我已经查过https://docs.databricks.com/applications/deep-learning/single-node-training/ten
浏览 9提问于2020-06-21得票数 0
1回答
我已经在集群上的配置文件上安装了tensorflow-gpu版本1.15，它可以访问2个gpu。我能够通过运行
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
上述语句产生的本地设备列表如下：
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17161457237421390575,
name: "
浏览 5提问于2020-05-05得票数 1
回答已采纳
我正在尝试使用tensorflow后端运行二进制分类，但我一直收到一个错误，我相信这会要求我使用正确的编译器标志重建tensorflow。我知道我的代码和数据是功能性的，所以我认为问题出在虚拟环境上。我尝试在tensorflow的网站、ibm的网站和堆栈溢出上寻找解决方案，但都没有成功。我还尝试过重新安装tensorflow和python。 完整回溯： I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, tf_xla_enable_xla_devices not set I tensorflow/
浏览 343提问于2021-02-08得票数 3
回答已采纳
我通过命令pip install tf-nightly-gpu --prefix=/tf/install/path安装了TensorFlow夜间构建版本 当我尝试运行任何XLA示例时，TensorFlow出现错误"Unable to find libdevice dir. Using‘.“”无法将ptx编译为cubin。将尝试让GPU驱动程序编译ptx。找不到: /usr/local/cuda-10.0/bin/ptxas not find“。 所以很明显TensorFlow找不到我的CUDA路径。在我的系统中，CUDA安装在/cm/shared/apps/cuda/toolkit/
浏览 169提问于2019-01-15得票数 3
我试图开始学习一些机器学习，并尝试导入Tensorflow，但我得到了一个ModuleNotFoundError：
ModuleNotFoundError: No module named 'tensorflow.python.ops.numpy_ops'
当前的代码只是试图导入包：
import os
import sys
import math
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras import L
浏览 18提问于2022-08-19得票数 3
1回答
我正试图遵循构建一个XLA示例(从获取的内容)。我已经能够从源代码构建Tensorflow，并让XLA在小型上工作。
到目前为止，我所做的步骤是：
1)
#from tensorflow/tensorflow/compiler/aot/tests
python3 ./make_test_graphs.py --out_dir=./
2) I还必须将/home/m2angus/tensorflow/third_party/llvm/llvm.BUILD的第21行更改为：
package(default_visibility = ["//visibility:public"])
这
浏览 4提问于2017-12-12得票数 1
回答已采纳
所以我遇到了一个非常奇怪的问题。我正在尝试运行这个网页上给出的tensorflow-hub示例代码： (我删除了这两条!pip语句)。
我想在我的应用程序中使用一小块python代码来进行机器学习，否则它是用go编写的。但是，当我在应用程序的项目目录中执行示例代码时，它会给出一个导入错误。
因此，当我在~/中创建一个文件tf-hub.py并执行它时，它会运行，打印一些警告并得到结果：
$python3 tf-hub.py
WARNING: Logging before flag parsing goes to stderr.
W0621 10:35:21.367268 140170246772
浏览 0提问于2019-06-21得票数 0
当我运行我的程序时，我总是在开始的时候得到下面的信息。 2020-01-30 22:30:20.071341: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2020-01-30 22:30:20.211074: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x7fd96
浏览 31提问于2020-01-31得票数 0
1回答
我们正在尝试实现自己的CPU编译器的后端，但我们遇到了一个有点尴尬的情况:我们似乎无法让现有的TensorFlow编译器做任何事情。使用这里提供的TensorFlow XLA示例：
我们在配置步骤中使用TF_ENABLE_XLA=1从源代码构建TensorFlow，并在上提供调试信息。然后，我们在LLDB中运行softmax示例，并尝试在调用CpuCompiler::Compile()时中断。如下所示，程序运行到完成时不会中断Compile()函数，显然也不会中断任何预期调用它的函数。
~/tflow$ lldb -- python3 mnist_softmax_xla.py
(lldb)
浏览 1提问于2017-04-14得票数 2
我目前正在尝试第一次提前完成tensorflow XLA编译工作流程，在尝试构建包含AOT编译对象的最终可执行二进制文件时遇到了一个问题。
我已经使用生成了test_graph_tfgather.pb和test_graph_tfgather.config.pbtxt文件。然后，我直接使用tfcompile工具生成MyClass.o和MyClass.h。到目前一切尚好。
我现在正在构建一个简单的makefile项目，其中包含这个已编译的模型，但我得到了一些与Eigen相关的错误。这可能是因为我的计算机上安装了不同版本的eigen3吗？由于eigen错误，我也不得不注释掉Eigen::Thread
浏览 18提问于2018-07-31得票数 0
回答已采纳
我已经在google colab中训练了我的TensorFlow模型，并将其导出为.h5格式。在google colab中，我可以毫无问题地加载模型，但在我的本地计算机上，它会抛出错误和警告。
加载模型
import tensorflow as tf
rnn = tf.keras.models.load_model('my_model.h5')
错误
2020-05-16 20:17:10.802390: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU
supports instruction
浏览 300提问于2020-05-17得票数 1
回答已采纳
我正在尝试使用Tensorflow-GPU，但它似乎仍在CPU上运行。我已经看到了关于如何安装Tensorflow-GPU的this问题，在我尝试通过执行以下命令来验证它之前，一切似乎都是正确的 from tensorflow.python.client import device_lib
print(device_lib.list_local_devices()) 当我这样做时，我会得到以下输出： [name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
i
浏览 24提问于2020-04-21得票数 0
回答已采纳
我已经安装了tensorflow，通过我的Mac上的终端使用pip，并且我试图在Pycharm中使用它。但出于某种原因，我一直在犯这样的错误：
ModuleNotFoundError: No module named 'tensorflow.python.client'
我正在运行以下代码：
# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
# Helper libraries
import numpy as np
import matplotlib.pyplot as
浏览 3提问于2020-07-15得票数 0
回答已采纳
1回答
我一直在通过TensorFlow对象检测指南一步一步地训练宠物图像上的对象检测器，现在已经用/models/research directory训练了model.ckpt文件。但是，当我运行export_inference_graph.py时，该进程被终止，没有出现错误信息，也没有创建冻结的推理graph .pb文件。
运行：
python object_detection/export_inference_graph.py \
--input_type image_tensor \
--pipeline_config_path object_detection/sampl
浏览 0提问于2019-03-05得票数 0
在之后，我运行了：
# confirm TensorFlow sees the GPU
from tensorflow.python.client import device_lib
assert 'GPU' in str(device_lib.list_local_devices())
# confirm Keras sees the GPU
from keras import backend
assert len(backend.tensorflow_backend._get_available_gpus()) > 0
# confirm PyTorch sees
浏览 2提问于2018-12-09得票数 0
回答已采纳
我尝试在tensorflow 2.0中生成一个随机的整数数组，如下所示(请注意，我使用的是Colab)：
tf.random.set_seed(123)
var = tf.random.normal(shape=[10, 10], mean=5, stddev=2, dtype=tf.int32, seed=123)
var
这给了我以下错误：
NotFoundError: Could not find valid device for node.
Node:{{node RandomStandardNormal}}
All kernels registered for op RandomSt
浏览 0提问于2019-11-25得票数 1
当使用tensorflow时，我不想麻烦安装Cuda。现在，在使用pip安装当前版本(2.4.1)并运行任何代码之后，我将收到大量错误消息
2021-02-22 18:03:10.286577: W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or di
浏览 3提问于2021-02-22得票数 2
我正在试用这里描述的XLA教程：
我使用以下选项从mnist_softmax_xla.py运行：
TF_CPP_MIN_VLOG_LEVEL=2 TF_XLA_FLAGS='--xla_generate_hlo_graph=.*' python mnist_softmax_xla.py
不幸的是，我在输出中得到了一堆“自定义创建者错误:无效参数:没有用于Const的_XlaCompile”错误(对于每种其他类型的op也是如此)。此外，没有创建hlo_graph_xx.dot文件(正如本教程所说的那样)。
我的python安装是Ubuntu16.04LTS上的Anaconda4.
浏览 7提问于2017-05-22得票数 0
回答已采纳
我在python 3.7.4中安装了带有Anaconda的tensorflow-GPUVersion2.2.0版本，但我的代码总是运行在CPU上，无法检测到我的GPU。
physical_devices= tf.config.experimental.list_physical_devices('GPU')
print(len(physical_devices))
>>> 0
当我运行这个：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices()
浏览 6提问于2020-08-15得票数 1
回答已采纳
我从drive.py运行程序
但是，当我启动程序时，我有错误：
不创建XLA设备，tf_xla_enable_xla_devices未设置
有人知道我怎样才能解决这个问题吗？我应该下载或重新安装什么？
我用：
Python 3.8.7
库达11.0
上的tensorflow 2.4.1当然什么也没看到
浏览 5提问于2021-01-26得票数 15
回答已采纳
我正在训练一个卷积式自动编码器，并注意到这一警告：
Tensorflow: 2.5-gpu from pip
Driver: 460.80
cuda: 11.2.2
cudnn: 8.1.1
XLA: Yes
Mixed precision: Yes
26/27 [===========================>..] - ETA: 0s - loss: 1.0554 - pre_dense_out_loss: 0.9997 - de_conv1dtranspose_out_loss: 0.55782021-06-05 21:28:17.678118: E tensorflow/
浏览 4提问于2021-06-05得票数 1
回答已采纳
我试图从作为一个非根用户从Graphcore的TensorFlow 1.5码头图像中运行CNN培训，但它正在抛出：
2020-04-23 11:17:32.960014: I tensorflow/compiler/jit/xla_compilation_cache.cc:250] Compiled cluster using XLA! This line is logged at most once for the lifetime of the process.Saved checkpointto ./logs/RN152_bs1x16p_GN32_16.16_v1.1.11_6LT/ck
浏览 2提问于2020-06-22得票数 3
回答已采纳
我使用SYCL在Ubuntu16.04/ AMD RX480上按照设置了，并由于fglrx版本冲突而跳过安装OpenCL报头。
然后，失败时：
运行：$ bazel test --config=sycl -k --test_timeout 1600 -//tensorflow/.-/tensorflow/cont肋骨/.-//tensorflow/java/.-/tensorflow/编译器/.
返回: /home/ai/.cache/bazel/_bazel_ai/03759b09788dc48db1c2f1f857f3711b/execroot/tensorflow-openc
浏览 9提问于2017-06-12得票数 0
我已经从源代码构建了Tensorflow，并且我正在使用它的C API。到目前为止一切运行正常，我也在使用AVX / AVX2。我从源代码构建的Tensorflow也是使用XLA支持构建的。我现在还想激活XLA (加速线性代数)，因为我希望它能再次提高推理过程中的性能/速度。
如果我现在开始我的运行，我会得到这样的消息：
2019-06-17 16:09:06.753737: W tensorflow/compiler/jit/mark_for_compilation_pass.cc:1541] (One-time warning): Not using XLA:CPU for cluster
浏览 15提问于2019-06-17得票数 0
已经发布了很多关于这个问题的帖子，但没有一个真正回答我的问题，或者与我遇到的问题有一点不同。 我在ubuntu 18.04上，按照CUDA 10.1和tensorflow-gpu的默认说明安装了keras。 当运行tensorflow检测到我有一个GPU时，但是当我检查cpu和gpu的使用情况时，他似乎仍然只在cpu上运行。我偶然发现了this线程并运行了这个脚本。这证实了我的猜测，他因为某些原因不能使用我的gpu： 2019-09-19 21:05:57.730197: I tensorflow/stream_executor/platform/default/dso_loader.cc:
浏览 16提问于2019-09-20得票数 4
回答已采纳
我有一台有8个GPU的机器(4xGPUGTX1080Ti，11 Gb的de RAM和4xRTX 1080)，无法让tensorflow正确地使用它们(或者根本不正确)。
当我这么做
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
印出来
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 5295519098
浏览 2提问于2019-07-29得票数 3
回答已采纳
为了兼容，我使用TensorFlow-GPU1.12.0版本、CUDA版本9、CUDNN版本7.0.5、bazel版本0.15和python版本3.5.2。这台机器有Nvidia驱动程序384.130。
但是通过运行以下命令，Tensorflow没有检测到我机器上的GPU
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
输出如下：
[
名称："/device:CPU:0“device_type："CPU”memory_limit: 268435456
局
浏览 0提问于2020-01-02得票数 1
1回答
我的系统有Tensorflow 2.2 (Python 3.8, anaconda)。我读到过Tensorflow XLA编译器，据我所知，它是Tensorflow附带的预编译GPU操作的另一种方式。即使当我在没有立即执行或experimental_compile=True的情况下运行代码时，我也会在终端中看到XLA service 0x5644b1cec990 initialized for platform CUDA (this does not guarantee that XLA will be used)。此外，如果它以某种方式链接，Executing op Fill in dev
浏览 34提问于2020-06-17得票数 0
我让tensorflow 2.0在我的RTX2070图形处理器上工作。我做了一个窗口更新，这样我就可以每晚使用tf-了。不喜欢它，所以卸载它并重新安装tensorflow 2.3.0。运行以前的python代码，这些代码在以前的GPU上运行得很好，但它没有使用GPU。尝试了很多东西。终于重新开始了。重新安装了Anaconda，创建了新环境。已卸载Cuda工具包10.1并重新安装。在c:\Tools目录下安装了cuDnn SDK 7.6。已选中要包含的路径环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
C:\P
浏览 0提问于2020-08-04得票数 1
回答已采纳
我正在努力使我的角回到工作，但它不断告诉我们，没有GPU，但我的tensorflow说不是。
tensorflow
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
输出
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 7600201089948511065
, name: "/device:XLA
浏览 0提问于2019-09-10得票数 1
回答已采纳
1回答
我的操作系统是Ubuntu18.04，图形处理器是GTX850M。我使用的是nvidia驱动程序430.50、CUDA 10.1、CuDNN 9.0和tensorflow-gpu 1.14.0。当我尝试在tensorflow中获取可用的设备时
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
我要把这个拿出来
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
loc
浏览 3提问于2020-04-15得票数 1
我最近安装了一个Ubuntu19.04机器与一个单一的NVIDIA GeForce GTX 1060 6GB卡。这是我第一次在Linux中使用所有深入学习的东西。我跟踪了几个不同的教学博客，以获得我认为是一个实用的CUDA/Python环境。我的下一步是运行一些示例“大型作业”，并验证我是否获得了预期的性能。
我偶然发现了这个链接- 。它似乎有示例/教程代码，这将锻炼我的系统，也有一些基准性能统计。
当我按照教程/image/cifar10的指示运行python cifar10_train.py时，我会看到以下内容：
Every 1.0s: nvidia-smi
浏览 2提问于2019-09-25得票数 2
回答已采纳
GPU无法检测到tensorflow-gpu 2.0，问题出在哪里？为
import tensorflow as tf
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
下面是使用Ubuntu 16.04的我的电脑中的输出
True
False
[name: "/device:CPU:0"
device_type: "C
浏览 22提问于2019-10-27得票数 0
新设置: 2x2080ti Nvidia驱动程序: 430 Cuda 10.0 Cudnn 7.6 Tensorflow 1.13.1
旧设置: 2x1080ti Nvidia驱动程序:410 Cuda 9.0 Tensorflow 1.10
我实现了一个分割模型，它可以在FP32或混合精度(遵循的说明)下进行训练。
它可以在旧的设置中工作，但1080ti不完全支持float16，这就是我切换到新设置的原因。
在新的设置中，形状可以正常工作，但混合精度总是会出现错误:first reduce failure (tensorflow/compiler/xla/service/gpu/ir_emi
浏览 2提问于2019-06-04得票数 2
我制作、训练和保存了一个简单的tf.keras模型。然后，我通过烧瓶、redis和rq建立了一个基本的基于任务的api。
从本质上讲，它的工作方式如下：
api通过输入调用。
任务(用模型计算输入)被排队。
将检查任务状态直到完成为止。
在码头外，这个很好用。
我正在使用坞-撰写，旋转红色的服务器，工人服务和烧瓶api。
烧瓶和工人服务(用于评估模型)是从Dockerfile构建的，从FROM tensorflow/tensorflow:1.15.0rc2-gpu-py3-jupyter或FROM debian:buster-slim开始。
尽管在这两种情况下，都没有检测到
浏览 0提问于2019-10-20得票数 0
我正在尝试让我的模型在GPU上进行训练，但这样做似乎有问题。 我的操作系统是Windows 10 我正在运行Python 3.8 我使用pip3.8安装了tensorflow-gpu==2.2.0rc3 我遵循了https://www.tensorflow.org/install/gpu上的说明，现在有了最新的Nvidia驱动程序(类似于455)，CUDA10.1，cuDNN 7.6.5 (用于CUDA10.1)。我的GPU是Nvidia Geforce GTX 1080Ti (因此应该与cuda兼容)，CPU是AMD Threadripper 1950 我按照说明中的说明设置了path变量
浏览 22提问于2020-04-28得票数 0
回答已采纳
我最近尝试在Windows10中使用我的GPU，遵循以下几个说明。最初，我遵循Tensorflow (Tensorflow.org)的指示。我根据我的显卡安装了Python3.9.1，cuDNN 11.1，CUDA11.1.1，NVIDIA GPU驱动程序，并创建了新的路径。然后在Anaconda(1.10)中创建了一个称为" tensorflow“的通道，在此通道中运行的Spyder(4.1.5)中导入了tensorflow，但当尝试测试是否有任何GPU可用时，得到"0”结果(代码如下)。实际上，我不确定是否以及如何使用我之前安装的内容。 In [1]: import te
浏览 71提问于2020-12-30得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
