Question

我一直在我的大学集群上使用Tensorflow 0.9.0的GPU版本。当我提交作业时，它开始运行并输出一条消息，例如：

（说CUDA找到设备的东西......）
I tensorflow / core / common_runtime / gpu / gpu_device.cc：808]创建TensorFlow设备（/ gpu：0） - ＆gt; （设备：0，名称：GeForce GTX TITAN X，pci总线ID：0000：04：00.0）

然而，在此之后，它并没有开始实际处理任何东西很长一段时间。看起来它只是挂了一段时间...为了记录，我正在使用在https://github.com/tensorflow/models/blob/master/inception/inception/data中格式化的Imagenet数据，并在CPU上创建我的所有队列等，并运行所有变量/操作在GPU上。

我试过没有明确要求CPU / GPU拆分，并允许soft_device_placement做它的事情，但这也导致了同样的挂起。

编辑：还应该提到即使使用原始.JPEG文件（即：不使用上述处理技术），这仍然会发生。所以，我认为这不是一个问题吗？

有没有其他人经历过这种情况，并且无论如何都在那附近？

谢谢。

修改：代码段

AlexNet = ConvNet(G,'AlexNet',k=k,H=H,W=W,D=D)


with tf.device('/gpu:0'):
    (assemble AlexNet)

    train_step,cross_entropy = AlexNet.getTrainStep(LR)
    acc = AlexNet.getAccuracyMetric()
    AlexNet.finalizeBuild()

print('file io stuff...')
with tf.device('/cpu:0'):
    image_holder = tf.placeholder(tf.float32, shape=[None, H,W,D])
    label_holder = tf.placeholder(tf.int32)

    if mode == 'local':
        label_batch = tf.one_hot(label_holder,k)
    elif mode =='sherlock':
        label_batch = tf.one_hot(label_holder,k,1,0)

    image_batch = tf.mul(image_holder,1)


    train_dataset = ImagenetData('train')
    val_dataset = ImagenetData('validation')
    train_images, train_labels = image_processing.inputs(train_dataset)
    val_images, val_labels = image_processing.inputs(val_dataset)

    #tf.initialize_all_variables()
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=AlexNet.session,coord=coord)

print('beginning training')


val_accs = []
losses = [] 

for itt in range(nitt):
    print(itt)
    ...Training routine

Answer 1

Nvidia驱动程序需要一些时间才能唤醒某些计算机。运行脚本之前，请运行以下命令。

sudo nvidia-persistenced --persistence-mode

Tensorflow启动时间？

1 个答案: