keras 或 tensorflow 调用GPU报错:Blas GEMM launch failed
GPU版的tensorflow在模型训练时遇到Blas GEMM launch failed错误,或者keras遇到相同错误(keras 一般将tensorflow作为backend,如果安装了GPU版本的tensorflow,那么在使用keras时会优先使用GPU),类似报错如下:
InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(300, 1), b.shape=(1, 10), m=300, n=10, k=1
这是调用GPU时,显存分配遇到了问题。比较保险的方式是在模型训练之前为tensorflow或者keras分配显存空间,tensorflow就用如下语句创建session
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
而keras就在引入keras时进行参数设置:
import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.allocator_type = 'BFC' #A "Best-fit with coalescing" algorithm, simplified from a version of dlmalloc. config.gpu_options.per_process_gpu_memory_fraction = 0.3 config.gpu_options.allow_growth = True set_session(tf.Session(config=config))
如果使用ipython notebook,做完上述设置后可能出现GPU sync failed,重启一下就应该没问题了。
摘自: https://blog.csdn.net/Leo_Xu06/article/details/82023330
自己了试了tensorflow的有用,记录一下