Question

这是我的代码的一部分。

with tf.Graph().as_default(), tf.device('/cpu:0'):
    global_step = tf.get_variable(
        'global_step',
        [],
        initializer = tf.constant_initializer(0),
    writer = tf.summary.FileWriter(logs_path,graph=tf.get_default_graph())

    with tf.device('/gpu:0'):
        tf.summary.scalar('learning_rate', INITIAL_LEARNING_RATE)
        summary_op = tf.summary.merge_all()

我跑的时候。我会得到以下错误：

InvalidArgumentError（参见上面的回溯）：无法为操作分配设备＆＃39; learning_rate＆＃39;：无法满足显式设备规范＆＃39; / device：GPU：0＆＃39;因为没有支持GPU设备的内核可用。 [[Node：learning_rate = ScalarSummary [T = DT_FLOAT，_device =＆＃34; / device：GPU：0＆＃34;]（learning_rate / tags，learning_rate / values）]]

如果我将这2个操作移动到tf.device（＆＃34; / cpu：0＆＃34;）设备范围，它将起作用。

            tf.summary.scalar('learning_rate', INITIAL_LEARNING_RATE)
        summary_op = tf.summary.merge_all()

我谷歌吧。关于使用＆＃34; allow_soft_placement = True＆＃34;有许多建议。但我认为这个解决方案基本上是自动更改设备范围。所以我的问题是：为什么这两个操作不能分配给gpu？是否有任何文件我可以查看哪些操作可以或不能分配给gpu？任何建议都是受欢迎的。

Answer 1

你的错误说明了一切：

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。

该操作（在您使用的tensorflow版本中）没有GPU实现，因此必须发送到CPU设备。

Answer 2

您无法将摘要操作分配给GPU，因为它没有意义。

简而言之，GPU执行并行操作。摘要只不过是一个文件，每次在其上写入时都会追加新行。这是一个顺序操作，与GPU能够执行的操作没有任何共同之处。

tensorflow摘要操作可以分配给gpu

2 个答案: