tensorflow-gpu

3热度

1回答

我需要优化自定义TensorFlow模型的帮助。我有一个包含我的训练数据的40GB ZLIB压缩.TFRecords文件。每个样本由两个384x512x3图像和一个384x512x2矢量场组成。我加载我的数据如下： num_threads = 16 reader_kwargs = {'options': tf.python_io.TFRecordOptions(tf.python_io.

0热度

1回答

数据不在Tensorflow工作人员之间分配

我已经编写了一个分布式TensorFlow程序，其中包含1 ps作业和2个工作作业。我曾预计数据批次将分配给工人，但似乎并非如此。我发现只有一名工作人员（任务= 0）正在做所有的工作，而另一名工作人员闲置。能否请你帮我找到这个程序的问题： import math import tensorflow as tf from tensorflow.examples.tutorials

0热度

1回答

Tensorflow 1.2分配变量

正如标题所示，我正在使用从我的机器源代码构建的tensorflow 1.2版。我不相信这会影响我的问题。这两个代码块有什么区别？最重要的一个原因是我从来没有在训练时得到分配的值，但底部的确是这样。我将我的所有时代数据复制到GPU中，然后根据需要抓取每批次的数据，因此此代码在同一会话中每批次的开始处运行。代码是在Python中，所有这些都是在我的模型类中定义的。所有self.data对象都是

2热度

1回答

Tensorflow GPU 1.2 CUDA v8.0安装栈跟踪

我想在我的Windows 10上安装tensorflow-gpu版本。我已经安装了CUDA v8和cuDNN 6.在此之后，我尝试在pip的帮助下安装tensorflow-gpu安装程序。但是，当我尝试导入tensoflow时，我的控制台上出现以下堆栈跟踪错误 >>>import tensorflow Traceback (most recent call last): File "C

7热度

2回答

如何理解tf.get_collection（）在TensorFlow

我被tf.get_collection()形式docs迷惑，它说，返回与给定名称的集合中值的列表。从互联网的例子是在这里 from_vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, from_scope) 是不是就意味着它收集变量从tf.GraphKeys.TRAINABLE_VARIABLES到from_scope？但

0热度

1回答

tensorflow是否跨越多个GPU只重复模型？

我目前正在为图像识别运行Tensorflow convnet，我正在考虑购买新的GPU以支持更复杂的图形，批量大小和输入尺寸。我已阅读像this这样的帖子，不建议使用AWS GPU实例来训练小节，但更多意见总是受欢迎。我读过Tensorflow的指南'Training a Model Using Multiple GPU Cards'，看起来图形在GPU中是重复的。我想知道这是在Tensorfl

0热度

1回答

在Tensorflow中循环cpu和gpu设备

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

0热度

2回答

我该如何摆脱Tensorflow的警告？其他解决方案不工作

因此，举例来说，如果我运行这段代码： import tensorflow as tf a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.mat

11热度

5回答

tensorflow的Mac OS GPU支持

根据 https://www.tensorflow.org/install/install_mac注：由于1.2版本，TensorFlow不再提供对OS X的Mac OS X. GPU支持GPU的支持，不再提供。不过，我希望通过雷电与1080 TI运行的E-GPU设置像akitio节点3 需要什么样的步骤来得到这个设置的工作？到目前为止，我知道禁用SIP 运行自动化的e-GPU脚本https

1热度

1回答

Tensorflow GPU正确安装，但Anaconda在CPU上运行它

这是我第二次经历张量流（gpu）的整个安装过程。 # Creates a graph. a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.ma