我正在尝试在TX2上运行代码,但是分配GPU内存使用量的张量流代码似乎工作方式很奇怪。
这是我必须分配内存的代码:
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.0
config.gpu_options.visible_device_list = "0"
set_session(tf.Session(config=config))
奇怪的是,当我使用0.0
而不是0.5
时,处理速度更快。当我使用0.9
时,出现以下错误:
tensorflow.python.framework.errors_impl.InternalError:GPU同步失败
这是怎么回事?
答案 0 :(得分:0)
首先要检查的是验证兼容的CUDA,cuDNN版本是否正确安装并重新启动系统。
然后,允许GPU内存增长可以有所帮助。 https://www.tensorflow.org/guide/using_gpu#allowing_gpu_memory_growth
也许,您可以尝试:
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
set_session(sess)