Tensorflow CUDA 失败并显示错误“无法在流上排队卷积:CUDNN_STATUS_EXECUTION_FAILED”

爆龙

这是我的一些控制台输出。我不确定实际问题是什么。显示此信息时,我收到一个 Windows 提示,指出 Python.exe 已停止工作,原因是 ucrtbase.dll,但我已尝试更新它,但它仍然发生,所以我认为这是真正问题的结果。此外,任务栏消息通知我我的 Nvidia 内核驱动程序崩溃,但已恢复。

2017-11-04 17:48:17.363024: W C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2017-11-04 17:48:17.375024: W C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
2017-11-04 17:48:19.995174: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\gpu\gpu_device.cc:955
Found device 0 with properties: 
name: Quadro K1100M
major: 3 minor: 0 memoryClockRate (GHz) 0.7055
pciBusID 0000:01:00.0
Total memory: 2.00GiB
Free memory: 1.93GiB
2017-11-04 17:48:19.995174: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\gpu\gpu_device.cc:976] DMA: 0 
2017-11-04 17:48:19.995174: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\gpu\gpu_device.cc:986] 0:   Y 
2017-11-04 17:48:20.018175: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\gpu\gpu_device.cc:1045]
Creating TensorFlow device (/gpu:0) -> (device: 0, name: Quadro K1100M, pci bus id: 0000:01:00.0)
2017-11-04 17:49:35.796510: W C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\bfc_allocator.cc:217] Allocator (GPU_0_bfc) ran out of memory trying to allocate 1.93GiB. The caller indicates that this is not a failure, but may mean that there could be performance gains if more memory is available.
2017-11-04 17:49:41.811854: E C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\stream_executor\cuda\cuda_driver.cc:1068] failed to synchronize the stop event: CUDA_ERROR_UNKNOWN
2017-11-04 17:49:41.811854: E C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\stream_executor\cuda\cuda_timer.cc:54] Internal: error destroying CUDA event in context 0000000026CFBE70: CUDA_ERROR_UNKNOWN
2017-11-04 17:49:41.811854: E C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\stream_executor\cuda\cuda_timer.cc:59] Internal: error destroying CUDA event in context 0000000026CFBE70: CUDA_ERROR_UNKNOWN
2017-11-04 17:49:41.811854: F C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\stream_executor\cuda\cuda_dnn.cc:2045] failed to enqueue convolution on stream: CUDNN_STATUS_EXECUTION_FAILED
阿尼尔

如果您仍在寻找答案,请尝试减少批量大小。我不完全确定错误发生了什么(github 上也没有解释),但是减少批量大小对我有帮助

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

TensorFlow GPU CUDA CUDDN 错误

来自分类Dev

使用Conda安装Tensorflow 1.15 + CUDA + cuDNN

来自分类Dev

Tensorflow安装因CUDA 8 RC而失败

来自分类Dev

Tensorflow GPU设置:PyCharm上的CUDA错误

来自分类Dev

Tensorflow GPU设置:PyCharm上的CUDA错误

来自分类Dev

CuDNN与Tensorflow 1.11.0 + Cuda9.0不兼容

来自分类Dev

使用CUDA 8 RC时,Tensorflow安装失败

来自分类Dev

Tensorflow Bazel 0.3.0构建CUDA 8.0 GTX 1070失败

来自分类Dev

使用tensorflow和cuda创建.so文件的Bazel错误

来自分类Dev

无法为tensorflow GPU创建目录/ usr / local / cuda / include

来自分类Dev

TensorFlow GPU:cudnn是可选的吗?无法打开CUDA库libcudnn.so

来自分类Dev

Tensorflow如何支持Cuda流?

来自分类Dev

Tensorflow 2.0 Cuda 10.0 安装

来自分类Dev

简单的方法:在Ubuntu 18.04上安装Nvidia驱动程序,CUDA,CUDNN和Tensorflow GPU

来自分类Dev

简单的方法:在Ubuntu 18.04上安装Nvidia驱动程序,CUDA,CUDNN和Tensorflow GPU

来自分类Dev

Windows 上的 TensorFlow-GPU 1.12.0 + CUDA 9 + cuDNN 7.41 导致 DLL 加载失败。相同的包适用于 Ubuntu

来自分类Dev

使用 CUDA8.0 安装 tensorflow1.2,cuDNN5.1 显示“ImportError: libcublas.so.9.0”

来自分类Dev

测试tensorflow-gpu失败并显示以下状态:CUDA驱动程序版本不足以支持CUDA运行时版本(这不是真的)

来自分类Dev

使用Cuda的Tensorflow,libcudart.so.7.5:无法打开共享对象。月食(Liclipse)

来自分类Dev

Python&Tensorflow&CUDA环境设置问题

来自分类Dev

TensorFlow CPU 和 CUDA 代码共享

来自分类Dev

Tensorflow CUDA 减少操作未完全减少

来自分类Dev

在 Windows 上为 Tensorflow 安装 CUDA

来自分类Dev

CUDA内核编译失败

来自分类Dev

如何在Tensorflow的C ++ API中传输CUDA常量内存

来自分类Dev

python导入上OSX segfaults上的Tensorflow 0.10(CUDA)

来自分类Dev

可以在tensorflow 2.1中使用CUDA 10.2吗?

来自分类Dev

如何在Tensorflow的C ++ API中传输CUDA常量内存

来自分类Dev

TensorFlow GPU 1.10 不适用于 CUDA 9.0

Related 相关文章

  1. 1

    TensorFlow GPU CUDA CUDDN 错误

  2. 2

    使用Conda安装Tensorflow 1.15 + CUDA + cuDNN

  3. 3

    Tensorflow安装因CUDA 8 RC而失败

  4. 4

    Tensorflow GPU设置:PyCharm上的CUDA错误

  5. 5

    Tensorflow GPU设置:PyCharm上的CUDA错误

  6. 6

    CuDNN与Tensorflow 1.11.0 + Cuda9.0不兼容

  7. 7

    使用CUDA 8 RC时,Tensorflow安装失败

  8. 8

    Tensorflow Bazel 0.3.0构建CUDA 8.0 GTX 1070失败

  9. 9

    使用tensorflow和cuda创建.so文件的Bazel错误

  10. 10

    无法为tensorflow GPU创建目录/ usr / local / cuda / include

  11. 11

    TensorFlow GPU:cudnn是可选的吗?无法打开CUDA库libcudnn.so

  12. 12

    Tensorflow如何支持Cuda流?

  13. 13

    Tensorflow 2.0 Cuda 10.0 安装

  14. 14

    简单的方法:在Ubuntu 18.04上安装Nvidia驱动程序,CUDA,CUDNN和Tensorflow GPU

  15. 15

    简单的方法:在Ubuntu 18.04上安装Nvidia驱动程序,CUDA,CUDNN和Tensorflow GPU

  16. 16

    Windows 上的 TensorFlow-GPU 1.12.0 + CUDA 9 + cuDNN 7.41 导致 DLL 加载失败。相同的包适用于 Ubuntu

  17. 17

    使用 CUDA8.0 安装 tensorflow1.2,cuDNN5.1 显示“ImportError: libcublas.so.9.0”

  18. 18

    测试tensorflow-gpu失败并显示以下状态:CUDA驱动程序版本不足以支持CUDA运行时版本(这不是真的)

  19. 19

    使用Cuda的Tensorflow,libcudart.so.7.5:无法打开共享对象。月食(Liclipse)

  20. 20

    Python&Tensorflow&CUDA环境设置问题

  21. 21

    TensorFlow CPU 和 CUDA 代码共享

  22. 22

    Tensorflow CUDA 减少操作未完全减少

  23. 23

    在 Windows 上为 Tensorflow 安装 CUDA

  24. 24

    CUDA内核编译失败

  25. 25

    如何在Tensorflow的C ++ API中传输CUDA常量内存

  26. 26

    python导入上OSX segfaults上的Tensorflow 0.10(CUDA)

  27. 27

    可以在tensorflow 2.1中使用CUDA 10.2吗?

  28. 28

    如何在Tensorflow的C ++ API中传输CUDA常量内存

  29. 29

    TensorFlow GPU 1.10 不适用于 CUDA 9.0

热门标签

归档