Process finished with exit code-1073740791(0xC0000409)

我在用Tensorflow跑深度神经网络,出现“Process finished with exit code-1073740791(0xC0000409)”,查询了百度和谷歌上很多博客文章,都不能解决,也许是造成这个错误的原因多种多样,网上给的方案并不适合我。最终我的解决方案是:

1. 检查是否是GPU的问题。在代码中添加:

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

这段代码设置GPU禁用,仅使用CPU,如果程序可以正常运行,说明代码没有问题,是GPU的问题。

2. 经检查发现我在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include”目录下找不到cudnn.h文件,我猜想是我不小心把cudnn相关的文件删除了。于是从“https://developer.nvidia.com/rdp/cudnn-archive”网站下载与我cuda对应版本的cuDNN压缩文件包,下载后解压缩,并把解压后目录下的文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\“对应的文件夹下。问题得到解决。

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
引用中提到,当程序出现"Process finished with exit code"的提示时,表示程序的运行已经结束。如果出现"Process finished with code 137 (interrupted by signal 9: SIGKILL)"的提示,说明程序没有完成运行,而是被系统强制终止。这通常是由于内存不足或CPU资源不够导致的。要解决这个问题,可以减少程序的内存占用,例如在Keras中可以选择较小的batch_size,避免一次性将大文件读入内存。另外,如果loss或网络的输出会不断累积导致计算图不断扩张,可以在训练循环中使用loss.data来解决。对于Ubuntu系统,这个问题可能是因为CPU资源不足,特别是在运行复杂网络且加载大权重时更为明显。如果使用Docker,可以预设更大的内存;如果使用虚拟机,可以增加虚拟机内部Ubuntu的内存。 引用中提到,当出现以上问题时,首先要检查项目编译后的target文件是否成功生成。 综上所述,"Process finished with exit code"是程序运行结束的提示,而"Process finished with code 137 (interrupted by signal 9: SIGKILL)"则表示程序被强制终止。要解决这个问题,可以减少内存占用,选择合适的batch_size,避免一次性读入大文件,以及使用loss.data。同时,检查编译生成的target文件是否正确。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Process finished with exit code 137 (interrupted by signal 9: SIGKILL)错误](https://blog.csdn.net/weixin_43570470/article/details/124605921)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [Process finished with exit code 0 报错解决方法](https://blog.csdn.net/Jesus_apostle/article/details/120315059)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [勘智K210采用RISC-V处理器架构,具备视听一体、自主IP核与可编程能力强三大特点,支持机器视觉与机器听觉多...](https://download.csdn.net/download/lwchang/88242771)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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