TensorFlow2.4使用GPU计算报错：

最新推荐文章于 2023-01-23 17:43:53 发布
最新推荐文章于 2023-01-23 17:43:53 发布
阅读量397 收藏 1
点赞数 1
分类专栏： TensorFlow遇到的问题与解决方法 文章标签： tensorflow python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BUZHIDAOQUSHIME/article/details/113956667
版权
当使用TensorFlow2.4在GPU上进行计算时，可能会遇到内部错误导致BlasGEMM操作失败。该问题可以通过简单重启电脑或在程序开头导入配置来解决。具体解决方案是在文件开头添加相关代码，允许GPU内存按需增长，从而避免计算错误。通过这种方法，可以确保程序顺利运行并充分利用GPU资源。
摘要由CSDN通过智能技术生成

TensorFlow2.4使用GPU计算报错：

tensorflow.python.framework.errors_impl.InternalError: Blas GEMM launch failed : a.shape=(2560, 256), b.shape=(256, 256), m=2560, n=256, k=256 [Op:MatMul]

在这里插入图片描述
解决方法：
1.重启电脑试试

2.在文件开头添加

from tensorflow.compat.v1 import ConfigProto
from tensorflow.compat.v1 import InteractiveSession
config = ConfigProto()
config.gpu_options.allow_growth = True
session = InteractiveSession(config=config)

在这里插入图片描述
这样程序就能正常运行啦

，一亅com
关注
专栏目录
深度学习平台demo(基础知识）- Keras相关知识点整理(tensorflow2.4)
jiugeshao的专栏
03-18 2453
具体的一些知识点还是从官方文档获取, 博主只列举几个常用的（曾经项目中用的一些功能）。 应用 Applications - Keras 中文文档https://keras.io/zh/applications/Overfit and underfit | TensorFlow Corehttps://tensorflow.google.cn/tutorials/keras/overfit_and_underfit?hl=zh-cn 1.plot_model函数可以可视化出所设计出的模型结构 2....
[解决bug]tensorflow2.4 无法使用gpu
bigbiang的博客
03-25 1409
都是坑，血泪教训。 可能的问题如下： cpu和gpu版本重复 同时安装 tensorflow cpu版和gpu版，会使用高版本的，卸载只保留GPU版即可 cuda、cudnn版本与tensorflow不匹配 不废话了，看下面这个帖子。 https://blog.csdn.net/weixin_42101177/article/details/113512010 未配置环境变量 同上 PhysX未配置 看这个 https://blog.csdn.net/flana/article/details/10477
详解tensorflow2.x版本无法调用gpu的一种解决方法
09-16
主要介绍了详解tensorflow2.x版本无法调用gpu的一种解决方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
深度学习TensorFlow—GPU2.4.0版环境配置，一文简单易懂详细大全，CUDA11.0、cuDNN8.0
shine_Lee_的博客
01-23 3873
前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！本文简单易懂，现在的电脑，一般都是显卡驱动版本超过450的，在Anaconda Prompt中输入查看nvidia-smi。
InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(x, x), b.shape=(x,x)錯誤
keineahnung2345的博客
11-27 7506
這個錯誤是在一開始訓練Keras（使用TensorFlow當backend）模型的時候就出現。Python版本：3.5.2 Keras版本：2.1.2 TensorFlow版本：1.3.0 使用`nvidia-smi`查看GPU memory的使用情況：發現己被其它程序佔滿。 試著將這些程序關掉，然後再重新運行剛剛那段代碼（不必重啟kernel），問題即可成功解決！
InternalError(seeabovefortraceback):BlasGEMMlaunchfailed:a.shape=(300,1),b.shape=(1,10),m=300,n=10,k
orangefly0214的博客
07-09 4903
训练cbow模型的时候报错：InternalError(seeabovefortraceback):BlasGEMMlaunchfailed:a.shape=(300,1),b.shape=(1,10),m=300,n=10,k=1[[Node:MatMul=MatMul[T=DT_FLOAT,查了资料，发现是使用TensorFlow-gpu出现的问题，解决方案: 如果你是使用 GPU 版 Ten...
tensorflow-gpu2.4 测试代码 报错解决
小弱鸡的博客
07-21 1122
import tensorflow as tf import timeit with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) print(cpu_a.device, cpu_b.device) with tf.device('/gpu:0'): gpu_a = tf.random.normal([10000, 1000]) gpu_.
TensorFlow—GPU版本运行报错：failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED
锅盖小郭哥
02-23 2999
报错： 2021-02-23 00:00:47.646531: E tensorflow/stream_executor/cuda/cuda_blas.cc:238] failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED 原因： 此时说明你电脑显存占用过高，已经不足！! 如果继续 全负载跑比较复杂的TensorFlow网络模型则会导致电脑其他软件运行失败，起到保护电脑的作用。 解决： 需要在初始化 Session 的时候为其分配固定数量
基于Tensorflow2.4的莫娜图片分类器——在win10下安装Tensorflow-gpu-2.4
qq_43011305的博客
01-20 1276
运行结果 ​ 程序对第一张图片是莫娜的置信度达到了94%，第二张图不是莫娜的置信度达到了74% (莫娜是游戏《原神》中的一个卡通角色) 最初的需求 ​ 莫娜这个角色实在是太铯了（虽然到现在也没有抽到XD） ​ 不过没抽到并不影响我去网上找莫娜的同人图来，嗯，收藏。但这个时候我就发现了一个问题。拿pixiv来举例： ​ 如果想要搜索莫娜的图片，正常来说都会以莫娜作为tag进行检索。但如果真的这样检索，会发现一个问题： ​ 返回的搜索结果里，虽然图片里都是莫娜没错，但图片的数量非常少。这对于pix
Anaconda 4.8.3 + tensorflow-gpu 2.4.0 + gtx2060安装出现错误解决
w_y_j__的博客
01-22 773
Anaconda4.8.3Anaconda 4.8.3Anaconda4.8.3 + tensorflow−gpu2.4.0tensorflow-gpu 2.4.0tensorflow−gpu2.4.0 + gtx2060gtx2060gtx2060 安装出现错误解决 今天在新电脑上准备安装tensorflow−gputensorflow-gputensorflow−gpu 版本，但是发现一直在出错，所以就大致记录一下。 我自己的电脑上已经安装好了anaconda4.8.3anaconda4.8.3
cuda_9.0.176.2补丁就是他.zip
10-20
解决InternalError (see above for traceback): Blas GEMM launch failed问题，
InternalError (see above for traceback): Blas GEMM launch failed已解决
Cbanyungong的博客
06-10 6027
Tensorflow配置的环境是Win10 RTX2060显存,CUDA 9.0,cudnn7,tensorflow-gpu1.5。 运行程序出现InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(1, 25088), b.shape=(25088, 4096), m=1, n=4096, k=25...
InternalError (see above for traceback): Blas GEMM launch failed
dili8870的博客
04-04 2075
训练BiLSTM模型的时候报错： InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(32, 200), b.shape=(200, 400), m=32, n=400, k=200 [[node bilstm_crf/bidirectional_rnn/fw/fw/while/l...
ubuntu,tensorflow InternalError (see above for traceback): Blas GEMM launch failed解决方案
qq_39460677的博客
06-22 3744
运行网络时遇到：InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(3, 2), b.shape=(2, 3), m=3, n=3, k=2 [[Node: MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _dev...
InternalError: Blas GEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10...解决方法
不爱读书的小孩-博客
10-20 6558
环境windows10、tensorflow-gpu1.9.0、keras2.2.0、cuda9.0、cudnn7、显卡2080Ti 报错：InternalError: Blas GEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10... 我的先说段废话，我看了两天博客试遍了博客几乎所有方法，我的头很痛，...
错误：InternalError: Blas xGEMM launch failed 的解决办法
Kelly的博客
03-25 1822
错误：InternalError: Blas xGEMM launch failed 的解决办法
在jupyter和pycharm里面先后运行同一份tensorflow代码报错
weixin_44268851的博客
03-05 775
最近在学习tensorflow(我用的tendorflow-gpu 1.13)，识别手写模糊数字，非常基础的一个代码，我在jupyter里面慢慢学习，写出代码之后，正常运行，copy到pycharm里面直接报错，我就很惊讶。错误提示如下： InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10, k=784 [[node Mat
InternalError: Blas GEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10...问题解决办法
热门推荐
vinsuan93的专栏
07-21 1万+
问题描述 用tensorflow-GPU版训练MNIST数据集时，报错： InternalError: Blas SGEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10, k=784 [[Node: MatMul = MatMul[T=DT_FLOAT, transpose_a=fals...
tensorflow2.4-gpu安装教程
最新发布
03-16
以下是tensorflow2.4-gpu的安装教程： 1. 安装CUDA和cuDNN 首先需要安装CUDA和cuDNN，这是使用GPU加速tensorflow的必要条件。可以从NVIDIA官网下载对应版本的CUDA和cuDNN，安装时需要按照官方文档进行操作。 2. 安装Anaconda 建议使用Anaconda来管理python环境，可以从官网下载对应版本的Anaconda，安装时需要选择添加到环境变量中。 3. 创建虚拟环境 打开Anaconda Prompt，输入以下命令创建一个名为tensorflow的虚拟环境： conda create -n tensorflow python=3.8 4. 激活虚拟环境 输入以下命令激活tensorflow虚拟环境： conda activate tensorflow 5. 安装tensorflow-gpu 输入以下命令安装tensorflow-gpu： pip install tensorflow-gpu==2.4. 6. 验证安装 输入以下命令验证tensorflow-gpu是否安装成功： python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([100, 100])))" 如果输出了一个随机数的和，则说明tensorflow-gpu已经安装成功并可以正常使用。 希望对你有所帮助！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值