Question

所以，我收到以下错误：

“无法为操作'Bincount_1'分配设备：无法满足显式设备规范'/ device：GPU：0'，因为没有支持GPU设备的内核可用。 [[节点：Bincount_1 = Bincount [T = DT_INT32，_device =“/ device：GPU：0”]（ToInt32_1，Minimum_1，Const_7）]] “

对我来说，这很奇怪。因为我正在尝试运行以下代码：

import numpy as np
import tensorflow as tf

K = 4
with tf.device('/gpu:0'):
    X = tf.constant(np.array([1,2,2,2,2,1,1,1,1,0,0,0,3,3,3,2,1,2,0]))
    count = tf.bincount(tf.to_int32(X), minlength = 4, maxlength = 4)

sess = tf.Session(config = tf.ConfigProto( log_device_placement = True ) )
print( sess.run(count) )

对我来说奇怪的是，当我运行一个稍微不同的代码时，它可以工作：

import numpy as np
import tensorflow as tf

K = 4
X = tf.constant(np.array([1,2,2,2,2,1,1,1,1,0,0,0,3,3,3,2,1,2,0]))
count = tf.bincount(tf.to_int32(X), minlength = 4, maxlength = 4)

sess = tf.Session(config = tf.ConfigProto( log_device_placement = True ) )
print( sess.run(count) )

而且，如果我删除 tf.bincount 功能，它也可以。

所以我的问题是，为什么 tf.bincount 会在尝试使用设备放置时导致错误？

我真的需要这个功能才能工作。此外，我正在运行的系统是8 K-40 GPU，python3，tensorflow 1.2。

Answer 1

我找到了答案，目前在gpu中没有对tf.bincount（...）的支持。

https://github.com/tensorflow/tensorflow/issues/11554

中有请求

Tensorflow错误：无法为操作'Bincount'分配设备...因为没有支持的GPU设备内核可用

1 个答案: