跑keras时在tensorflow上遇到的的问题
本想简单跑两个keras的demon,没想到上了tensorflow的贼船。。。
1、遇到ImportError: cannot import name ‘get_config’ from ‘tensorflow.python.eager.context’
字面意思:get_config模块无法导入
内在逻辑和解决方案:keras版本不匹配。。。看运气能不能再网上遇到相同版本但是解决的好同志吧
2、遇到cuda_error_out_of_memory
字面意思:cuda单元遇到超出储存的错误
吓死我了,养卡千日,用在一时,你告诉我显存不够??之前学长跟我说他1050也能练???老黄狗贼nvidia官网的cuda算力表根本都不写新卡(除了高端卡),吓得我以为买了块空气???!!!不过报错很不对劲啊,一直缩显存缩到200多MB都申请不出来就离谱。。。
内在逻辑和解决方案:又是一通搜索,直到遇到了这个。
好家伙,tensorflow这浓眉大眼的家伙,竟然喜欢开场吃满显存(指提交大小,不一定全部使用,但是显存没有虚拟内存机制。。。),难怪我搞个线性回归都能吃3.8个G
解决方案就是在代码前加入以下代码
import os
import tensorflow as tf
os.environ["CUDA_VISIBLE_DEVICES"] = '0' #定位cuda设备为GPU0(需要根据情况修稿)
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5 #最大可申请显存比例
config.gpu_options.allow_growth = True #允许动态分配显存
sess = tf.Session(config=config)
不过这个解决方案就引出了下面这个问题3了。
3、遇到AttributeError: module ‘tensorflow’ has no attribute ‘Session’
字面意思:tensorflow没有Session这个模块
内在逻辑和解决方案:参考这个链接
出现这个报错的原因是tensorflow的1.0和2.0系列版本差别很大,所以在用到1.0的模块时一定要使用
import tensorflow as tf
tf.compat.v1.所需模块
因此回到问题2,最终解决方案就是添加这一段代码
import os
import tensorflow as tf
os.environ["CUDA_VISIBLE_DEVICES"] = '0' #定位cuda设备为GPU0(需要根据情况修稿)
config = tf.compat.v1.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5 #最大可申请显存比例
config.gpu_options.allow_growth = True #允许动态分配显存
sess = tf.compat.v1.Session(config=config)