在尝试使用TensorFlow进行模型训练时，遇到Blas GEMM launch failed错误。该问题是由于TensorFlow默认占用全部显存，导致两个进程竞争GPU资源。通过使用nvidia-smi命令发现存在未关闭的训练进程。解决方案是在Jupyter中正确关闭页面，使用shutdown来结束进程，以释放GPU资源。
在使用Ag的TensorFlow2.0教程时，发现在模型训练时报错Blas GEMM launch failed
两幅图中间还有一些报错，都是Keras库里函数的报错。
问题原因：
Tensorflow默认申请可使用的全部显存，当有两个程序使用GPU时，会出现空间不足的问题。在这里是我没有“关闭”另一个运行中的训练进程。使用nvidia-smi命令可在cmd中看到使用gpu的进程有两个，因为我之前另一个jupyter页面也跑过训练，直接关了页面，但是没想到进程还在。
解决方法：
在jupyter页面上退出时，要点击shutdown，这样才能将页面运行的进程杀掉，单纯关闭网页是不能关掉进程的。如图，这样就可以愉快地打开另一个训练进程了
参考：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
