当我们深度学习做训练的时候,偶尔会发生这种情况,我把源错误贴出来:
Epoch 1/16
2019-09-11 09:34:11.000335: E C:\users\nwani\_bazel_nwani\mmtm6wb6\execroot\org_tensorflow\tensorflow\stream_executor\cuda\cuda_dnn.cc:455] could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
2019-09-11 09:34:11.000570: F C:\users\nwani\_bazel_nwani\mmtm6wb6\execroot\org_tensorflow\tensorflow\core\kernels\conv_ops.cc:713] Check failed: stream->parent()->GetConvolveAlgorithms( conv_parameters.ShouldIncludeWinogradNonfusedAlgo<T>(), &algorithms)
Process finished with exit code -1073740791 (0xC0000409)
就是这么个事,按照我的理解,这是你使用GPU来训练网络的时候显卡不够用了,但是这个时候如果用CPU还是可以的,但是CPU和GPU的训练速度差的简直不是一星半点,我这里差了有十倍,解决方法只需要在import后边添加两行代码,让占用的显卡内存一开始不要那么高:
如下,只有最后两行有用
import cv2
‘’‘’‘’
import各种
‘’‘’‘’
import matplotlib.pyplot as plt
config = tf.ConfigProto(gpu_options=tf.GPUOptions(allow_growth&#