我使用Keras训练了一个模型，使用model.save()保存它，并且从Keras Documentation我不需要保存任何其他内容或在加载后编译模型。
当我加载它以在不同的图像上测试它时会出现此错误：
totalMemory：5.93GiB freeMemory：5.41GiB 2018-05-17 10：10：53.265572：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1120]创建 TensorFlow设备（/ device：GPU：0） - ＆gt; （设备：0，名称：GeForce GTX 1060，Max-Q设计，pci总线ID：0000：01：00.0，计算能力： 6.1）
2018-05-17 10：10：55.939415：E tensorflow / stream_executor / cuda / cuda_dnn.cc：385]无法创建 cudnn句柄：CUDNN_STATUS_INTERNAL_ERROR
2018-05-17 10：10：55.939452： E tensorflow / stream_executor / cuda / cuda_dnn.cc：352]无法销毁 cudnn句柄：CUDNN_STATUS_BAD_PARAM
2018-05-17 10：10：55.939459：F tensorflow / core / kernels / conv_ops.cc：667]检查失败： ＆于流GT;父（） - ＆GT; GetConvolveAlgorithms（ conv_parameters.ShouldIncludeWinogradNonfusedAlgo（），＆amp; algorithms）
中止（核心倾销）
以下是我正在使用的代码：
num_classes = 17
model = load_model('model.h5')
img1 = cv2.resize(cv2.cvtColor(cv2.imread("s_0.jpg"), cv2.COLOR_BGR2RGB), (24,24))
img2 = cv2.resize(cv2.cvtColor(cv2.imread("s_f.jpg"), cv2.COLOR_BGR2RGB), (24,24))
img3 = cv2.resize(cv2.cvtColor(cv2.imread("s_2.jpg"), cv2.COLOR_BGR2RGB), (24,24))
X_test = np.array([img1,img2,img3])
Y_test = to_categorical(np.array([0,12,2]), num_classes)
Y_predict = model.predict(X_test)
print np.argmax(Y_predict,axis = 1)
当我在训练后使用确切的代码进行测试时（模型可以不加载），它可以正常工作。
答案 0 :(得分：1)
看起来你的CUDA坏了。通过禁用GPU export CUDA_VISIBLE_DEVICES=-1来测试它。