当我尝试使用gras使用TensorFlow和Keras时，我收到此错误消息：
inline int foo_wrapper(const std::vector<int> &v)
{
std::vector<int> &v2 = const_cast<std::vector <int>&>(v);
return foo_haskell(v2.data(), v2.size());
}
当我尝试使用cras使用TensorFlow和Keras时，我收到此错误消息：
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\__main__.py:2: UserWarning: Update your `fit_generator` call to the Keras 2 API: `fit_generator(<keras.pre..., 37800, epochs=2, validation_data=<keras.pre..., validation_steps=4200)`
from ipykernel import kernelapp as app
Epoch 1/2
InternalError Traceback (most recent call last)
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args)
1038 try:
-> 1039 return fn(*args)
1040 except errors.OpError as e:
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _run_fn(session, feed_dict, fetch_list, target_list, options, run_metadata)
1020 feed_dict, fetch_list, target_list,
-> 1021 status, run_metadata)
1022
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\contextlib.py in __exit__(self, type, value, traceback)
65 try:
---> 66 next(self.gen)
67 except StopIteration:
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\errors_impl.py in raise_exception_on_not_ok_status()
465 compat.as_text(pywrap_tensorflow.TF_Message(status)),
--> 466 pywrap_tensorflow.TF_GetCode(status))
467 finally:
InternalError: Blas GEMM launch failed : a.shape=(64, 784), b.shape=(784, 10), m=64, n=10, k=784
[[Node: dense_1/MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](flatten_1/Reshape, dense_1/kernel/read)]]
During handling of the above exception, another exception occurred:
InternalError Traceback (most recent call last)
<ipython-input-13-2a52d1079a66> in <module>()
1 history=model.fit_generator(batches, batches.n, nb_epoch=2,
----> 2 validation_data=val_batches, nb_val_samples=val_batches.n)
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\legacy\interfaces.py in wrapper(*args, **kwargs)
86 warnings.warn('Update your `' + object_name +
87 '` call to the Keras 2 API: ' + signature, stacklevel=2)
---> 88 return func(*args, **kwargs)
89 wrapper._legacy_support_signature = inspect.getargspec(func)
90 return wrapper
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\models.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_q_size, workers, pickle_safe, initial_epoch)
1108 workers=workers,
1109 pickle_safe=pickle_safe,
-> 1110 initial_epoch=initial_epoch)
1111
1112 @interfaces.legacy_generator_methods_support
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\legacy\interfaces.py in wrapper(*args, **kwargs)
86 warnings.warn('Update your `' + object_name +
87 '` call to the Keras 2 API: ' + signature, stacklevel=2)
---> 88 return func(*args, **kwargs)
89 wrapper._legacy_support_signature = inspect.getargspec(func)
90 return wrapper
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\engine\training.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_q_size, workers, pickle_safe, initial_epoch)
1888 outs = self.train_on_batch(x, y,
1889 sample_weight=sample_weight,
-> 1890 class_weight=class_weight)
1891
1892 if not isinstance(outs, list):
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\engine\training.py in train_on_batch(self, x, y, sample_weight, class_weight)
1631 ins = x + y + sample_weights
1632 self._make_train_function()
-> 1633 outputs = self.train_function(ins)
1634 if len(outputs) == 1:
1635 return outputs[0]
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\backend\tensorflow_backend.py in __call__(self, inputs)
2227 session = get_session()
2228 updated = session.run(self.outputs + [self.updates_op],
-> 2229 feed_dict=feed_dict)
2230 return updated[:len(self.outputs)]
2231
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in run(self, fetches, feed_dict, options, run_metadata)
776 try:
777 result = self._run(None, fetches, feed_dict, options_ptr,
--> 778 run_metadata_ptr)
779 if run_metadata:
780 proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _run(self, handle, fetches, feed_dict, options, run_metadata)
980 if final_fetches or final_targets:
981 results = self._do_run(handle, final_targets, final_fetches,
--> 982 feed_dict_string, options, run_metadata)
983 else:
984 results = []
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_run(self, handle, target_list, fetch_list, feed_dict, options, run_metadata)
1030 if handle is None:
1031 return self._do_call(_run_fn, self._session, feed_dict, fetch_list,
-> 1032 target_list, options, run_metadata)
1033 else:
1034 return self._do_call(_prun_fn, self._session, handle, feed_dict,
C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args)
1050 except KeyError:
1051 pass
-> 1052 raise type(e)(node_def, op, message)
1053
1054 def _extend_graph(self):
InternalError: Blas GEMM launch failed : a.shape=(64, 784), b.shape=(784, 10), m=64, n=10, k=784
[[Node: dense_1/MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](flatten_1/Reshape, dense_1/kernel/read)]]
Caused by op 'dense_1/MatMul', defined at:
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\runpy.py", line 193, in _run_module_as_main
"__main__", mod_spec)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\runpy.py", line 85, in _run_code
exec(code, run_globals)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\__main__.py", line 3, in <module>
app.launch_new_instance()
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\traitlets\config\application.py", line 658, in launch_instance
app.start()
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\kernelapp.py", line 477, in start
ioloop.IOLoop.instance().start()
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\zmq\eventloop\ioloop.py", line 177, in start
super(ZMQIOLoop, self).start()
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tornado\ioloop.py", line 888, in start
handler_func(fd_obj, events)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper
return fn(*args, **kwargs)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 440, in _handle_events
self._handle_recv()
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 472, in _handle_recv
self._run_callback(callback, msg)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 414, in _run_callback
callback(*args, **kwargs)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper
return fn(*args, **kwargs)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 283, in dispatcher
return self.dispatch_shell(stream, msg)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 235, in dispatch_shell
handler(stream, idents, msg)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 399, in execute_request
user_expressions, allow_stdin)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\ipkernel.py", line 196, in do_execute
res = shell.run_cell(code, store_history=store_history, silent=silent)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\ipykernel\zmqshell.py", line 533, in run_cell
return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2683, in run_cell
interactivity=interactivity, compiler=compiler, result=result)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2787, in run_ast_nodes
if self.run_code(code, result):
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2847, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-10-1e7a3b259f23>", line 4, in <module>
model.add(Dense(10, activation='softmax'))
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\models.py", line 466, in add
output_tensor = layer(self.outputs[0])
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\engine\topology.py", line 585, in __call__
output = self.call(inputs, **kwargs)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\layers\core.py", line 840, in call
output = K.dot(inputs, self.kernel)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\keras\backend\tensorflow_backend.py", line 936, in dot
out = tf.matmul(x, y)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\ops\math_ops.py", line 1801, in matmul
a, b, transpose_a=transpose_a, transpose_b=transpose_b, name=name)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\ops\gen_math_ops.py", line 1263, in _mat_mul
transpose_b=transpose_b, name=name)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 768, in apply_op
op_def=op_def)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 2336, in create_op
original_op=self._default_original_op, op_def=op_def)
File "C:\Users\nicol\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 1228, in __init__
self._traceback = _extract_stack()
InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(64, 784), b.shape=(784, 10), m=64, n=10, k=784
[[Node: dense_1/MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](flatten_1/Reshape, dense_1/kernel/read)]]
在这两种情况下，错误都是 InternalError（参见上面的回溯）：Blas GEMM启动失败 你能告诉我如何让Blas GEMM推出吗？ 我在3.5 python anaconda环境中安装了tensorflow和keras，我还安装了所有需要的模块（numpy，pandas，scipy，scikit-learn）。我有一个带有NVIDIA gpu的Windows 10可以使用CUDA。我下载了CUDA和cuDNN。我在Chrome上使用了Jupyter笔记本。
有时当我运行我的代码时，而不是出现此错误，我得到它开始运行然后崩溃。在崩溃之后，我无法在我的jupyter笔记本上做任何事情，一段时间后弹出一个问我是否要杀死页面。这是我在坠机后得到的图像。 ！（http://www.hostingpics.net/viewer.php?id=647186tensorflowError.png）
P.S。我知道我的问题与此问题类似： Tensorflow Basic Example Error: CUBLAS_STATUS_NOT_INITIALIZED 但它还没有在那里解决，我不确定这个问题是否足够清楚，或者与我的问题完全相同，所以我发布了自己的错误信息。 这个问题不同于： TensorFlow: InternalError: Blas SGEMM launch failed 因为我有GEMM而不是SGEMM的问题，而且我的问题是gpu和cpu，并且这个问题的答案无法解决。
答案 0 :(得分：36)
这在TensorFlow 2.1.0上对我有用（每https://www.tensorflow.org/api_docs/python/tf/config/experimental/set_memory_growth）
import tensorflow as tf
physical_devices = tf.config.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)
答案 1 :(得分：12)
这是一个简单的解决方法，但是要弄清楚这真是一场噩梦
在Windows上，我发现Keras安装在Anaconda3 \ Lib \ site-packages \ keras中
来源：
https://www.tensorflow.org/guide/using_gpu
https://github.com/keras-team/keras/blob/master/keras/backend/tensorflow_backend.py
在keras / tensorflow_backend.py文件中找到以下内容 您将在两个地方都添加config.gpu_options.allow_growth = True
> [ filter p xs | let xs = [1..15], p <- [ (<5), (<10), const True ]]
[[1,2,3,4],[1,2,3,4,5,6,7,8,9],[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]]
答案 2 :(得分：6)
导入后添加以下几行解决了问题：
configuration = tf.compat.v1.ConfigProto()
configuration.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=configuration)
答案 3 :(得分：3)
有同样的错误。也许它与张量流为allocating all gpu memory的问题有关。但是修复建议那里没有用，并且还不可能通过keras.json或命令行限制tensorflow的gpu内存使用。切换keras＆＃39; Theano的后端为我解决了这个问题（如何找到here）。
答案 4 :(得分：1)
对我来说，使用Python关闭并重新启动我的进程是可行的。
我在这里尝试了一些操作，但是没有用。例如，
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
行。我认为这是因为我使用的是Keras和Tensorflow的较新版本。我在网上阅读的很多内容，包括官方的Keras教程，由于版本冲突而无法使用。
但是我看到了一些有关运行多个Python进程的帖子。因此，我关闭了Jupyter，Anaconda和PyCharm，然后重新启动了所有功能。然后错误消失了。可能不一定适合您，但值得一试。
答案 5 :(得分：1)
对我来说，这是一个失控的ipynb脚本，我以为我已终止但实际上仍在运行，因此我的GPU正在使用中，并且出现了此错误
答案 6 :(得分：1)
我坚持了好几天，最终终于摆脱了这个错误。
我的PC上安装了错误版本的tensorflow和cuda。只要确保您安装了正确的tf，cuda和cudnn版本即可。
https://i.stack.imgur.com/Laiii.png
使用此链接作为参考。
答案 7 :(得分：0)
在 Windows 10 的 Dos 窗口中打开了 python。从我的 IDE 运行时，它给出了上述消息。从 IDE 运行时，从 Python 的 Dos 实例退出允许我克服此错误。
答案 8 :(得分：0)
我在 Win10 中使用 PyCharm 在 Keras 2.4.3 和 TensorFlow 2.3.0 上遇到了同样的错误
这似乎是与在 Windows 上运行的 TensorFlow 本身有关的错误。 通过关闭 PyCharm 并以管理员身份重新运行解决了该问题。
答案 9 :(得分：0)
在Tensorflow model 上进行推理时，我遇到了类似的错误，通过将Tensorflow从2.1降级到1.14 解决了该问题。最初，我检查了GPU的使用情况，它占用了所有GPU内存，并且无法执行推理，并发现以下异常：
内部错误：发现2个根本错误。
（0）内部：Blas GEMM启动失败：a.shape =（86494，257），b.shape =（257，64），m = 86494，n = 64，k = 257 [[{{node log_mel_features / MatMul} }]]
（1）内部：Blas GEMM启动失败：a.shape =（86494，257），b.shape =（257，64），m = 86494，n = 64，k = 257 [[{{node log_mel_features / MatMul}}]] [[log_mel_features / Log / _769]] 下面是我使用的命令：
pip uninstall tensorflow-gpu
pip install tensorflow-gpu==1.14
答案 10 :(得分：0)
我使用的是Jupyter Lab，但必须将GPU锁定在我先前运行的另一个TensofFlow程序中。杀死Jupyter Lab并重新启动它之后，错误消失了。
答案 11 :(得分：0)
当尝试运行多个使用模型提供预测的服务器时，我遇到了这个问题。由于我不是在训练模型而是在简单地使用模型，因此使用GPU或CPU的区别很小。对于这种特定情况，可以通过“隐藏” GPU来强制Tensorflow使用CPU来避免此问题。
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1" # Force TF to use only the CPU
答案 12 :(得分：0)
发生相同的错误（使用Keras和Visual Studio Code的Win10）。甚至在终止我的脚本之后，似乎TensorFlow仍处于某种状态。只需关闭VS Code并重新启动即可解决此问题。
答案 13 :(得分：0)
此答案与 Tensorflow 有很大关系：
有时Tensorflow在Windows中创建失败。
在大多数情况下，使用gpu重新启动笔记本即可解决
如果没有，请在代码中添加这些选项后尝试重新启动笔记本电脑。
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.9)
tf.Session(config=tf.ConfigProto(gpu_options=gpu_options,allow_soft_placement=True)
使用 Keras 时，我从未遇到过此类错误，但是尝试重新启动笔记本电脑
希望它能解决它。
答案 14 :(得分：0)
我有同样的错误，幸运的是，我已解决。
我的错误是：上一次，我打开了tensorflow sess = tf.Session()，但忘了关闭会话。
所以我打开终端，输入命令：
ps -aux | grep program_name
找到PID，然后键入命令杀死PID：
kill -9 PID
好的，GPU是Realase。
答案 15 :(得分：0)
尝试运行示例程序simpleCUBLAS（它附带CUDA）来测试您的CUBLAS安装并查看它是否有效。
在我的情况下（我正在使用Ubuntu）我不得不重新安装CUDA来解决这个问题。在我这样做之后，simpleCUBLAS通过了测试。
出于某种原因，我在一段时间后开始遇到同样的问题，我发现清理目录.nv（在我的主文件夹中）解决了问题，并且再次传递了simpleCUBLAS测试。
答案 16 :(得分：0)
我收到了完全相同的错误消息。我意识到我的CUDA安装有错误，特别是cuBLAS库。
您可以通过运行示例程序simpleCUBLAS来检查您的问题是否存在同样的问题（它随CUDA安装一起提供，您可能会在CUDA主文件夹中找到它：$CUDA_HOME\samples\7_CUDALibraries\simpleCUBLAS）
尝试运行此程序。如果测试失败，则表明您的CUDA安装存在问题。你应该尝试重新安装它。这就是我在这里解决同样问题的方法。
答案 17 :(得分：-1)
确保使用GPU运行时没有其他进程。运行nvidia-smi进行检查。