Tensorflow急切的GPU错误

Question

我正在学习TensorFlow急切执行的演示。当我尝试使用" GPU使用"单元格(见下文(时，有一个错误，说该变量未放在GPU上。

import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()
A = tf.constant([[2.0, 0.0], [0.0, 3.0]])
if tf.test.is_gpu_available() > 0:
    with tf.device(tf.test.gpu_device_name()):
        print(tf.matmul(A, A))

完整错误消息：

追溯(最近的最新电话(：

文件"，第4行，在 打印(tf.matmul(a，a((

文件 " c： python python35_64 lib site-packages tensorflow python python ops math_ops.py"， 第2108行，位于Matmul a，b，transpose_a = transpose_a，transpose_b = transpose_b，name = name(

文件 " c： python python35_64 lib site-packages tensorflow python ops gen_math_ops.py"， 第4517行，在MAT_MUL中 _six.raise_from(_core._status_to_exception(e.code，message(，无(

file"，第3行，在rish_from

中

无效的仪器：矛盾的设备上的张量：无法计算 预计输入＃0的matmul将打开 /job：localhost/epplica：0/任务：0/设备：GPU：0，但实际上在 /job：localhost/epplica：0/任务：0/设备：cpu：0(操作运行在运行 /job：local -Host/副本：0/任务：0/设备：GPU：0(可以复制张量 明确使用.gpu((或.cpu((，或通过使用 tfe.enable_eager_execution(tfe.device_placement_silent(。复制 设备之间的张量可能会减慢您的模型[OP：MATMUL]名称： matmul/

按照说明，我尝试了tfe.enable_eager_execution(tfe.DEVICE_PLACEMENT_SILENT)，但它返回了另一个错误消息(从tfe.DEVICE_PLACEMENT_SILENT返回的值为2(：

追溯(最近的最新电话(：

文件"，第1行，在 tfe.enable_eager_execution(tfe.device_placement_silent(

文件 " c： python python35_64 lib site-packages tensorflow python framework ops.py"， 第5229行，在enable_eager_execution中 " config必须是tf.configproto，但获得％s"％type(config((

typeError：config必须是tf.configproto，但获得了

如何解决错误？我也不知道Tensors can be copied explicitly using .gpu() or .cpu()如何工作。

谢谢。

---

感谢@ASH，修订的代码作品(需要重新启动笔记本(。

import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution(device_policy=tfe.DEVICE_PLACEMENT_SILENT)
A = tf.constant([[2.0, 0.0], [0.0, 3.0]])
if tf.test.is_gpu_available() > 0:
    with tf.device(tf.test.gpu_device_name()):
        print(tf.matmul(A, A))

另外(需要重新启动笔记本(，

import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()
A = tf.constant([[2.0, 0.0], [0.0, 3.0]])
if tf.test.is_gpu_available() > 0:
    with tf.device(tf.test.gpu_device_name()):
        A = A.gpu()
        print(tf.matmul(A, A))

Answer 1

• 错误消息中描述的修复程序当然可以使用调整，请尝试：

tfe.enable_eager_execution(device_policy=tfe.DEVICE_PLACEMENT_SILENT)

而不是(请注意device_policy关键字参数的使用(。

• 另一个建议是使用.cpu()或.gpu()方法，因此类似：

A = A.gpu()
print(tf.matmul(A, A))

• 这似乎是演示中的错误。但是这里发生的事情是张量A放置在CPU内存中，我们要求在GPU上执行矩阵乘法。因此，必须将A张量从CPU(又称"主机"(内存复制到GPU(又称"设备"(内存。可以明确完成，也可以通过将device_policy参数设置为enable_eager_execution()-可以告诉TensorFlow运行时，可以在需要时静静地在设备之间复制张量。

希望会有所帮助。