在多次尝试验证我的nvidia quadro M4000M是否可以进行张量计算之后，正确安装了Cuda，正确安装了cuda工具包8.0，deviceQuery和nvidia-smi确认设备运行正常。
运行tensorflow的示例时：
import tensorflow as tf
with tf.device("/gpu:0"):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a', dtype=tf.float32)
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b', dtype=tf.float32)
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=False,log_device_placement=True))
print(sess.run(c))
我没有获得设备映射信息，而完成会话的唯一方法是更改allow_soft_placement = True，它似乎没有使用GPU。
当tf.device（“ / gpu：0”）或/ cpu：0的allow_soft_placement = False时，错误是：
InvalidArgumentError错误回溯（最近一次通话） 〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_do_call（self，fn，* args）1291中尝试： -> 1292返回fn（* args）1293（errors.OpError为e：
〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_run_fn中（feed_dict，fetch_list，target_list，选项，run_metadata） 1274＃确保对图形的任何更改都反映在 运行。 -> 1275 self._extend_graph（）1276返回self._call_tf_sessionrun（
〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_extend_graph（self）1311中 self._graph._session_run_lock（）：＃pylint：disable =受保护的访问 -> 1312 tf_session.ExtendSession（self._session）1313
InvalidArgumentError：无法为操作'MatMul'分配设备：该操作已明确分配给/ device：GPU：0，但可用 设备是[/ job：localhost / replica：0 / task：0 / device：CPU：0]。使 确保设备规格引用的是有效设备。 [[{{节点 MatMul}} = MatMul [T = DT_FLOAT，transpose_a = false，transpose_b = false， _device =“ / device：GPU：0”]（a，b）]]
在处理上述异常期间，发生了另一个异常：
InvalidArgumentError错误回溯（最近一次拨打电话） 7 sess = tf.Session（config = tf.ConfigProto（allow_soft_placement = False，log_device_placement = True）） 8 ----> 9次打印（sess.run（c）） 10 11
〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在运行中（自我，获取，feed_dict，选项，run_metadata） 885尝试： （886） -> 887 run_metadata_ptr） 888（如果run_metadata）： 889 proto_data = tf_session.TF_GetBuffer（run_metadata_ptr）
〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_run（自身，句柄，访存，feed_dict，选项，run_metadata）中
1108如果final_fetches或final_targets或（句柄和 feed_dict_tensor）：1109个结果= self._do_run（handle， final_targets，final_fetches， -> 1110 feed_dict_tensor，选项，run_metadata）1111否则：1112结果= []〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_do_run（自身，句柄，target_list，fetch_list，feed_dict，选项， run_metadata）1284如果句柄为None：1285返回 self._do_call（_run_fn，提要，提取，目标，选项， -> 1286 run_metadata）1287否则：1288返回self._do_call（_prun_fn，句柄，提要，获取）
〜\ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ client \ session.py 在_do_call（self，fn，* args）1306中
self._config.experimental.client_handles_error_formatting）：1307
消息= error_interpolation.interpolate（消息，self._graph） -> 1308提高类型（e）（node_def，op，消息）1309 1310 def _extend_graph（自身）：InvalidArgumentError：无法为操作'MatMul'分配设备：该操作已明确分配给/ device：GPU：0，但可用 设备是[/ job：localhost / replica：0 / task：0 / device：CPU：0]。使 确保设备规格引用的是有效设备。 [[{{节点 MatMul}} = MatMul [T = DT_FLOAT，transpose_a = false，transpose_b = false， _device =“ / device：GPU：0”]（a，b）]]
由“ MatMul”操作引起，定义于：文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ runpy.py”， _run_module_as_main中的第193行 “ 主要”，mod_spec）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ runpy.py”， 第85行，在_run_code中 exec（代码，run_globals）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel_launcher.py”， 第16行 app.launch_new_instance（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ traitlets \ config \ application.py”， 658行，在launch_instance中 app.start（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ kernelapp.py”， 第499行，开始时 self.io_loop.start（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ platform \ asyncio.py”， 第132行，开始时 self.asyncio_loop.run_forever（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ asyncio \ base_events.py”， 422行，在run_forever中 self._run_once（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ asyncio \ base_events.py”， _run_once中的第1434行 handle._run（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ asyncio \ events.py”， _run中的第145行 self._callback（* self._args）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ ioloop.py”， _run_callback中的第758行 ret = callback（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ stack_context.py”， 第300行，在null_wrapper中 返回fn（* args，** kwargs）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ gen.py”， 第1233行，在内部 self.run（）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ gen.py”， 1147行，正在运行 产生= self.gen.send（值）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ kernelbase.py”， 第346行，在process_one中 产生gen.maybe_future（dispatch（* args））文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ gen.py”， 包装中的第326行 yield =下一个（结果）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ kernelbase.py”， 第259行，在dispatch_shell中 产生gen.maybe_future（处理程序（流（流，标识，消息）））文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ gen.py”， 包装中的第326行 yield =下一个（结果）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ kernelbase.py”， 第513行，在execute_request中 user_expressions，allow_stdin，文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tornado \ gen.py”， 包装中的第326行 yield =下一个（结果）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ ipkernel.py”， 第294行，在do_execute中 res = shell.run_cell（代码，store_history = store_history，silent =静音）文件 “ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ ipykernel \ zmqshell.py”， 第536行，在run_cell中 返回super（ZMQInteractiveShell，self）.run_cell（* args，** kwargs）文件 “ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ interactiveshell.py”， 第2817行，在run_cell中 raw_cell，store_history，silent，shell_futures）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ interactiveshell.py”， _run_cell中的第2843行 返回运行程序（coro）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ async_helpers.py”， _pseudo_sync_runner中的第67行 coro.send（无）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ interactiveshell.py”， 第3018行，在run_cell_async中 交互性=交互性，编译器=编译器，结果=结果）文件 “ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ interactiveshell.py”， 第3183行，在run_ast_nodes中 如果（从self.run_code（代码，结果）产生）：文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ IPython \ core \ interactiveshell.py”， 第3265行，在run_code中 exec（code_obj，self.user_global_ns，self.user_ns）文件“”，第5行，在 c = tf.matmul（a，b）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ ops \ math_ops.py”， matmul中的2053行 a，b，transpose_a = transpose_a，transpose_b = transpose_b，name = name）文件 “ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ ops \ gen_math_ops.py”， 行4856，在mat_mul中 name = name）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ framework \ op_def_library.py”， _apply_op_helper中的第787行 op_def = op_def）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ util \ deprecation.py”， 第488行，在new_func中 返回func（* args，** kwargs）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py”， 第3272行，在create_op中 op_def = op_def）文件“ C：\ Users \ sellersp \ AppData \ Local \ conda \ conda \ envs \ tensor \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py”， 第1768行，在 init 中 self._traceback = tf_stack.extract_stack（）
InvalidArgumentError（请参阅上面的回溯）：无法为操作“ MatMul”分配设备：操作已明确分配给 / device：GPU：0，但可用设备为[ / job：localhost /副本：0 /任务：0 /设备：CPU：0]。确保设备 规范是指有效的设备。 [[{{node MatMul}} = MatMul [T = DT_FLOAT，transpose_a = false，transpose_b = false， _device =“ / device：GPU：0”]（a，b）]]
在搜索了许多位置后，我似乎找不到错误所在。我已经在Jupyter Notebook中运行了它，并在解释程序中将其运行为脚本。
任何帮助将不胜感激。很抱歉出现冗长的错误。
答案 0 :(得分：0)
您已经安装了tensorflow-gpu吗？ Tensorflow有两个二进制软件包（tensorflow-gpu和tensorflow）。 https://www.tensorflow.org/install/pip