keras 或 tensorflow 调用GPU报错：Blas GEMM launch failed

最新推荐文章于 2025-02-27 11:51:33 发布

Leo_Xu06

最新推荐文章于 2025-02-27 11:51:33 发布

阅读量4.1w

点赞数 9

分类专栏： tensorflow keras Python 深度学习

本文链接：https://blog.csdn.net/Leo_Xu06/article/details/82023330

版权

深度学习同时被 3 个专栏收录

12 篇文章

订阅专栏

tensorflow

4 篇文章

订阅专栏

Python

3 篇文章

订阅专栏

GPU版的tensorflow在模型训练时遇到Blas GEMM launch failed错误，或者keras遇到相同错误（keras 一般将tensorflow作为backend，如果安装了GPU版本的tensorflow，那么在使用keras时会优先使用GPU），类似报错如下：

InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(300, 1), b.shape=(1, 10), m=300, n=10, k=1

这是调用GPU时，显存分配遇到了问题，有些解释说当前电脑其他程序占用显存（游戏等），所以发生错误，具体讨论见帖子。比较保险的方式是在模型训练之前为tensorflow或者keras分配显存空间，tensorflow就用如下语句创建session：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)  
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

而keras就在引入keras时进行参数设置：

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC' #A "Best-fit with coalescing" algorithm, simplified from a version of dlmalloc.
config.gpu_options.per_process_gpu_memory_fraction = 0.3
config.gpu_options.allow_growth = True
set_session(tf.Session(config=config))

如果使用ipython notebook，做完上述设置后可能出现GPU sync failed，重启一下就应该没问题了。