Question

我使用AMI坐了一台AWS Deep Learning机器。现在我试图从TensorFlow中运行简单的启动器示例

# 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.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

但似乎我的机器没有使用我的GPU。

MatMul_2：（MatMul）：/ job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830238：我 tensorflow / core / common_runtime / simple_placer.cc：847] MatMul_2：（MatMul）/ job：localhost / replica：0 / task：0 / cpu：0 MatMul_1：（MatMul）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830259：I tensorflow / core / common_runtime / simple_placer.cc：847] MatMul_1：（MatMul）/ job：localhost / replica：0 / task：0 / cpu：0 MatMul：（MatMul）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830271：I tensorflow / core / common_runtime / simple_placer.cc：847] MatMul：（MatMul）/ job：localhost / replica：0 / task：0 / cpu：0 b_2：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830283：I tensorflow / core / common_runtime / simple_placer.cc：847] b_2：（Const）/ job：localhost / replica：0 / task：0 / cpu：0 a_2：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830312：I tensorflow / core / common_runtime / simple_placer.cc：847] a_2：（Const）/ job：localhost / replica：0 / task：0 / cpu：0 b_1：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830324：I tensorflow / core / common_runtime / simple_placer.cc：847] b_1：（Const）/ job：localhost / replica：0 / task：0 / cpu：0 a_1：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830337：I tensorflow / core / common_runtime / simple_placer.cc：847] a_1：（Const）/ job：localhost / replica：0 / task：0 / cpu：0 b：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830348：I tensorflow / core / common_runtime / simple_placer.cc：847] b：（Const）/ job：localhost / replica：0 / task：0 / cpu：0 a：（Const）： / job：localhost / replica：0 / task：0 / cpu：0 2017-07-09 00：51：03.830358：I tensorflow / core / common_runtime / simple_placer.cc：847] a：（常数）/作业：本地主机/复制：0 /任务：0 / CPU：0

如果我尝试使用tf.device('/gpu:0'):手动指定GPU，则会收到以下错误：

InvalidArgumentError：无法为操作分配设备＆＃39; MatMul_3＆＃39;：操作已明确分配给/ device：GPU：0但可用设备是[/ job：localhost / replica：0 / task：0 / cpu：0]。确保设备规范是指有效的设备。 [[节点：MatMul_3 = MatMul [T = DT_FLOAT，transpose_a = false，transpose_b = false， _device =＆＃34; / device：GPU：0＆＃34;]（a_3，b_3）]]

我对AMI的唯一更改是我将TensorFlow更新为最新版本

这是我在运行时看到的内容观看nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.57                 Driver Version: 367.57                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla K80           On   | 0000:00:1E.0     Off |                    0 |
| N/A   44C    P8    27W / 149W |      0MiB / 11439MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

Answer 1

1.检查你的实例，你选择GPU吗？
使用＆＃34;观看nvidia-smi＆＃34;查看GPU信息。

2.检查你的AMI和tensorflow版本，也许它不支持GPU或有一些错误的配置。

我使用此AMI：深度学习AMI Amazon Linux（ami-296e7850）。

TensorFlow未使用GPU

1 个答案: