当我训练pix2pix GAN时，我使用了GTX 780Ti和2.57GB的免费内存。我使用了tensorflow 1.13。
它打印了此警告，但没有错误运行。谁能告诉我这是否会对我的计算结果造成不良影响？谢谢。
警告：tensorflow：来自pix2pix.py：433：主管。初始化（来自 tensorflow.python.training.supervisor）已被弃用 在将来的版本中删除。更新说明：请切换 到tf.train.MonitoredTrainingSession 2019-05-06 10：39：47.846670：我 tensorflow / core / platform / cpu_feature_guard.cc：141]您的CPU支持 该TensorFlow二进制文件未编译为使用的指令： SSE4.1 SSE4.2 2019-05-06 10：39：47.919600：我 tensorflow / stream_executor / cuda / cuda_gpu_executor.cc：964]成功 从SysFS读取的NUMA节点的值为负（-1），但必须存在 至少一个NUMA节点，因此返回NUMA节点为零2019-05-06 10：39：47.919987：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1432]找到设备0 具有属性：名称：GeForce GTX 780 Ti主音级：3小音级：5 memoryClockRate（GHz）：0.928 pciBusID：0000：04：00.0 totalMemory： 2.95GiB freeMemory：2.57GiB 2019-05-06 10：39：47.920044：我tensorflow / core / common_runtime / gpu / gpu_device.cc：1511]添加可见 gpu设备：0 2019-05-06 10：39：48.242260：I tensorflow / core / common_runtime / gpu / gpu_device.cc：982]设备 将StreamExecutor与强度1边缘矩阵互连：2019-05-06 10：39：48.242309：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：988] 0 2019-05-06 10：39：48.242320：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1001] 0：N 2019-05-06 10：39：48.242437：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1115]已创建 TensorFlow设备（/ job：localhost /副本：0 /任务：0 /设备：GPU：0与 2281 MB内存）->物理GPU（设备：0，名称：GeForce GTX 780 Ti， pci总线ID：0000：04：00.0，计算能力：3.5）parameter_count = 57179842 2019-05-06 10：40：07.134898：我 tensorflow / core / kernels / data / shuffle_dataset_op.cc：98]填满 洗牌缓冲区（这可能需要一段时间）：10000的2480 2019-05-06 10：40：17.134136：我 tensorflow / core / kernels / data / shuffle_dataset_op.cc：98]填满 洗牌缓冲区（这可能需要一段时间）：10000的4944 2019-05-06 10：40：27.133114：我 tensorflow / core / kernels / data / shuffle_dataset_op.cc：98]填满 洗牌缓冲区（这可能需要一段时间）：10000的7407 2019-05-06 10：40：37.132135：我 tensorflow / core / kernels / data / shuffle_dataset_op.cc：98]填满 洗牌缓冲区（这可能需要一段时间）：10000的9886 2019-05-06 10：40：37.599770：我 tensorflow / core / kernels / data / shuffle_dataset_op.cc：136]随机缓冲 填充。 2019-05-06 10：40：38.524801：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.549138：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.555746：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.563452：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.566992：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.570493：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，尝试分配2.13GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.574684：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，尝试分配2.13GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.579108：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，尝试分配2.13GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：38.584172：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多可用内存，则性能会提高。 2019-05-06 10：40：39.085343：W tensorflow / core / common_runtime / bfc_allocator.cc：211]分配器 （GPU_0_bfc）内存不足，试图分配1.07GiB。呼叫者，召集者 表示这不是失败，但可能意味着可能 如果有更多的可用内存，则可以提高性能。