我正在学习初学者的 TensorFlow 教程并尝试分类。有一堆 GPU 错误。我安装了 cuda 工具以及最新的 GPU 驱动程序。这是输出：
<块引用>2021-01-13 15:42:24.186914：W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库“cudart64_110.dll”； dlerror：cudart64_110.dll
未找到 2021-01-13 15:42:24.187065：我
tensorflow/stream_executor/cuda/cudart_stub.cc:29] 忽略上面的cudart
dlerror 如果您的机器上没有设置 GPU。
[NumericColumn(key='SepalLength', shape=(1,), default_value=None,
dtype=tf.float32, normalizer_fn=None), NumericColumn(key='SepalWidth',
shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None),
NumericColumn(key='PetalLength', shape=(1,), default_value=None,
dtype=tf.float32, normalizer_fn=None), NumericColumn(key='PetalWidth',
shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None)]
2021-01-13 15:42:26.282013：我
张量流/stream_executor/platform/default/dso_loader.cc:49]
成功打开动态库nvcuda.dll 2021-01-13
15:42:26.302224：我
tensorflow/core/common_runtime/gpu/gpu_device.cc:1760] 找到设备 0
具有属性：pciBusID：0000:0e:00.0 名称：GeForce GTX 1080
计算能力：6.1 coreClock：1.86GHz coreCount：20
deviceMemorySize：8.00GiB deviceMemoryBandwidth：298.32GiB/s
2021-01-13 15:42:26.302958：W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库“cudart64_110.dll”； dlerror：cudart64_110.dll
未找到 2021-01-13 15:42:26.303513: W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库 'cublas64_11.dll'; dlerror: cublas64_11.dll
未找到 2021-01-13 15:42:26.304062: W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库 'cublasLt64_11.dll';错误：
cublasLt64_11.dll 未找到开始训练 2021-01-13
15:42:26.307161：我
张量流/stream_executor/platform/default/dso_loader.cc:49]
成功打开动态库 cufft64_10.dll 2021-01-13
15:42:26.308219：我
张量流/stream_executor/platform/default/dso_loader.cc:49]
成功打开动态库curand64_10.dll 2021-01-13
15:42:26.312354：我
张量流/stream_executor/platform/default/dso_loader.cc:49]
成功打开动态库cusolver64_10.dll 2021-01-13
15:42:26.312941：W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库“cusparse64_11.dll”；错误：
cusparse64_11.dll 未找到 2021-01-13 15:42:26.313499: W
tensorflow/stream_executor/platform/default/dso_loader.cc:60] 可以
不加载动态库“cudnn64_8.dll”； dlerror: cudnn64_8.dll 不是
发现 2021-01-13 15:42:26.313623: W
tensorflow/core/common_runtime/gpu/gpu_device.cc:1793] 无法 dlopen
一些 GPU 库。请确保提到的缺失库
如果您想使用 GPU，以上都已正确安装。跟着
https://www.tensorflow.org/install/gpu 上的指南，了解如何下载
并为您的平台设置所需的库。跳绳
注册 GPU 设备... 2021-01-13 15:42:26.314323: I
tensorflow/core/platform/cpu_feature_guard.cc:142] 这个 TensorFlow
二进制使用 oneAPI 深度神经网络库 (oneDNN) 进行优化
在性能关键中使用以下 CPU 指令
操作：AVX2 要在其他操作中启用它们，请重建
带有适当编译器标志的 TensorFlow。 2021-01-13
15:42:26.315481：我
tensorflow/core/common_runtime/gpu/gpu_device.cc:1300] 设备
将 StreamExecutor 与强度为 1 的边缘矩阵互连：2021-01-13
15:42:26.315604：我
张量流/核心/common_runtime/gpu/gpu_device.cc:1306]
警告：tensorflow：使用临时文件夹作为模型目录：
C:\Users\levig\AppData\Local\Temp\tmpbmbc3as1 警告：tensorflow：来自
C:\Users\levig\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\training\training_util.py:235：
Variable.initialized_value（来自 tensorflow.python.ops.variables）是
已弃用，将在未来版本中删除。说明
更新：使用 Variable.read_value。 2.X中的变量被初始化
在eager和graph（在tf.defun内部）上下文中自动。
警告：张量流：来自
C:\Users\levig\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\optimizer_v2\adagrad.py:82：
调用 Constant.init（来自 tensorflow.python.ops.init_ops）
dtype 已弃用，将在未来版本中删除。
更新说明：使用 dtype 调用初始化程序实例
参数而不是将其传递给构造函数 2021-01-13
15:42:27.410575：我
tensorflow/core/common_runtime/gpu/gpu_device.cc:1760] 找到设备 0
具有属性：pciBusID：0000:0e:00.0 名称：GeForce GTX 1080
计算能力：6.1 coreClock：1.86GHz coreCount：20
deviceMemorySize：8.00GiB deviceMemoryBandwidth：298.32GiB/s
2021-01-13 15:42:27.410786：W
tensorflow/core/common_runtime/gpu/gpu_device.cc:1793] 无法 dlopen
一些 GPU 库。请确保提到的缺失库
如果您想使用 GPU，以上都已正确安装。跟着
https://www.tensorflow.org/install/gpu 上的指南，了解如何下载
并为您的平台设置所需的库。跳绳
注册 GPU 设备... 2021-01-13 15:42:27.474456: I
tensorflow/core/common_runtime/gpu/gpu_device.cc:1300] 设备
将 StreamExecutor 与强度为 1 的边缘矩阵互连：2021-01-13
15:42:27.474571：我
张量流/核心/common_runtime/gpu/gpu_device.cc:1306] 0
2021-01-13 15:42:27.474637：我
张量流/核心/common_runtime/gpu/gpu_device.cc:1319] 0: N
2021-01-13 15:42:27.482654：我
tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:258] 没有
启用 MLIR 优化通道（注册 0 个通道）
这是我的代码：
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
import pandas as pd
CSV_COLUMN_NAMES = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
SPECIES = ['Setosa', 'Versicolor', 'Virginica']
train_path = tf.keras.utils.get_file(
"iris_training.csv", "https://storage.googleapis.com/download.tensorflow.org/data/iris_training.csv")
test_path = tf.keras.utils.get_file(
"iris_test.csv", "https://storage.googleapis.com/download.tensorflow.org/data/iris_test.csv")
train = pd.read_csv(train_path, names=CSV_COLUMN_NAMES, header=0)
test = pd.read_csv(test_path, names=CSV_COLUMN_NAMES, header=0)
# Here we use keras (a module inside of TensorFlow) to grab our datasets and read them into a pandas dataframe
train_y = train.pop('Species')
test_y = test.pop('Species')
train.head() # the species column is now gone
def input_fn(features, labels, training=True, batch_size=256):
# Convert the inputs to a Dataset.
dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
# Shuffle and repeat if you are in training mode.
if training:
dataset = dataset.shuffle(1000).repeat()
return dataset.batch(batch_size)
# Feature columns describe how to use the input.
my_feature_columns = []
for key in train.keys():
my_feature_columns.append(tf.feature_column.numeric_column(key=key))
# Build a DNN with 2 hidden layers with 30 and 10 hidden nodes each.
classifier = tf.estimator.DNNClassifier(
feature_columns=my_feature_columns,
# Two hidden layers of 30 and 10 nodes respectively.
hidden_units=[30, 10],
# The model must choose between 3 classes.
n_classes=3)
print("starting training")
classifier.train(
input_fn=lambda: input_fn(train, train_y, training=True),
steps=5000)
答案 0 :(得分：0)
来自评论
<块引用>请确保安装了上述缺失的库 如果您想使用 GPU，则正确。按照 GPU Support guide 了解如何下载和设置所需的库 你的平台。 （转述自 Soleil）