optimization_pass.cc:185] None of the MLIR Optimization Passes are enabled (registered 2)解决办法

已于 2022-06-01 19:55:44 修改
阅读量8.3k 收藏 8
点赞数 3
分类专栏： tensorflow 文章标签： tensorflow 深度学习 人工智能
于 2022-06-01 19:54:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xingleitinghai/article/details/125089306
版权

I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:185] None of the MLIR Optimization Passes are enabled (registered 2)

主要原因，训练使用内存或显存不足：

1、修改：Batch大小。
2、修改每个加载数据大小
3、减少训练网络复杂程度，减少训练网络涉及到得参数数量，减少训练网络的步骤等。

好好好123456
关注
  • 3
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
optimization_kaiser.rar_filter optimization_kaiser
07-14
optimization of filter using kaizer windsor function
GWO.zip_Code Of The Wolf_Wolf optimization _grey wolf_grey wolf
07-15
this file is the source code of grey wolf optimization algorithm
None of the MLIR optimization passes are enabled
热门推荐
weixin_40362921的博客
06-19 1万+
参考 https://stackoverflow.com/questions/63886762/tensorflow-none-of-the-mlir-optimization-passes-are-enabled-registered-1 The I at the beginning of the message means this is an informational log message. tensorflow 前面的I表示的是信息日志消息，不是错误。 MLIR is being used as
None of the MLIR Optimization Passes are enabled (registered 2)解决办法
weixin_52492249的博客
06-23 1万+
cuda跟tensorflow-gpu版本没有冲突，只要使用tensorflow-gpu，就会报错：None of the MLIR Optimization Passes are enabled (registered 2)就是程序刚开始运行就这样结束了可能的原因：tensorflow版本和tensorflow-gpu版本两个版本有代差，而tensorflow默认选择版本高的版本来计算。解决办法：卸载tensorflow版本，conda list可能查看不出来，直接命令行卸载 参考链接：http://
深度学习GPU训练中常见的问题
m0_63451148的博客
08-17 1057
深度学习GPU训练可能会出现的问题
gpu计算速度变慢，cuda,cudnn等存在，排除硬件问题，那是什么问题呢？
乐趣是人为构建的，构建是一种莫大的乐趣。
10-08 3395
使用tensorflow，点击程序运行，原来的提示和现在的稍有不同。 None of the MLIR Optimization Passes are enabled (registered 2) 原来是registered 1 layout failed: Invalid argument: Size of values 0 does not match size of permutation 4 @ fanin shape inRefiner/tf.where/SelectV2_1-2-Transpo
Macbook M1避坑指南：安装Apple-TensorFlow（arm64）
u012744245的博客
09-29 7129
文章目录1. 你可能遇到的问题2. 解决方案Step 1：安装Xcode Command Line Tools，Apple Developer下载安装即可。Step 2：安装arm版本miniforge。Step 3： 从[Mac-optimized TensorFlow2.4 and TensorFlow Addons](https://github.com/apple/tensorflow_macos)下载ARM64版本的TensorFlow2.4，具体的安装要求是macOS 11.0+， Pytho
color-image-denoising.rar_optimization color_site:www.pudn.com_分
07-14
分数阶的彩色图像去噪算法，效果很好，就是有点慢，希望对大家有帮助。
Bijan_ANFIS_OPT.rar_ANFIS_ANFIS OPTIMIZATION_ANFIS+optimization_
07-15
"ANFIS_OPTIMIZATION"和"ANFIS+optimization"标签明确指出了这个项目的核心内容是关于ANFIS模型的优化。 ANFIS（自适应神经模糊推理系统）是由Jang于1993年提出的一种智能计算方法，它结合了模糊逻辑的规则理解和...
calculation_and_optimization_of_the_courseware.rar_matlab 数值优化_数
07-13
我们数值计算与最优化原理课程老师的课件，他是我们教材的编者。
Mac M1 由于arm导致“tensorflow 报错”解决方法
weixin_44179954的博客
09-03 2251
Mac M1 关于“conda安装的tensorflow报错”解决方法问题描述导致问题的原因问题解决 问题描述 最近发现之前在Mac m1安装的tensorflow无法使用了，这里的无法使用不是指无法import之类的错误，而是使用相关模块时代码报错，报错如下（小伙伴们可以参考）： 2021-09-03 17:05:21.327506: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:116] None of the MLIR optim
解决TypeError: tf__update_state() got an unexpected keyword argument ‘sample_weight‘
CSDN 精品推荐
01-02 1509
2022-01-02 18:41:16.826148: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:185] None of the MLIR Optimization Passes are enabled (registered 2) Traceback (most recent call last): File "E:/Code/PyCharm/TensorFlow学习/Keras/自定义评估指标.py", line 59,.
python开源数字识别_Python 深度学习：多层感知器实现手写数字识别
weixin_39944233的博客
12-04 753
学习 Keras 为主，内容比较简单1 背景与目标1.1 背景Keras 是一个由纯 Python 编写而成的深度学习框架，并基于 Tensorflow、Theano 及 CNTK 后端。Keras 方便易用，能够迅速将 idea 转换为结果。本文利用 Keras 构建多层感知器，进行0-9 的『手写数字识别』 ，旨在感受 Keras 库的友好与易用。2.2 目标使用 Keras 搭建深度学习模型...
研究开源gpt-2-simple项目，跑一个简单的模型，然后生成一段对话。用的是 Intel(R) Core(TM) i7-9700，8核8线程，训练最小的模型200次跑1个小时20分钟
freewebsys的专栏
03-03 1547
ai果然是高技术含量的东西，代码啥的不多，就是没有太看懂。然后消耗CPU和GPU资源，也是非常消耗硬件的。这个很小的模型训练200次，都这么费时间，更何况是大数据量多参数的模型呢！！同时这个基础设施也要搭建起来呢，有个项目要研究下了，就是得去研究服务器集群了，因为Nvidia的限制，服务器上跑的都是又贵又性能低的显卡。但是可以本地跑集群做训练呢！！！
TensorFlow2快速入门- MNIST 数据集详解
soderayer的博客
06-28 2369
1.软硬件环境 python3.7、pycharm-community-2021.1.1、tensorflow2.5 2.MNIST数据集 下载和介绍地址：MNIST数据集下载地址 Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,00
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
最新发布
子午的博客
07-13 768
眼疾识别系统，使用Python作为主要编程语言进行开发，基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法，通过对眼疾图片4种数据集进行训练（‘白内障’, ‘糖尿病性视网膜病变’, ‘青光眼’, ‘正常’），最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网页端可视化操作界面，实现用户上传一张眼疾图片识别其名称。
None of the MLIR Optimization Passes are enabled (registered 2) 这是什么错误怎么解决
05-24
这个错误提示是在使用MLIR优化器时出现的，提示没有启用任何优化器。 要解决这个问题，需要在代码中注册并启用MLIR优化器。具体方法如下： 1. 在代码中添加以下头文件： ```c++ #include "mlir/Pass/PassManager.h" #include "mlir/Pass/Pass.h" ``` 2. 创建一个PassManager对象，并将需要启用的优化器添加到其中，例如： ```c++ mlir::PassManager pm; pm.addPass(mlir::createCanonicalizerPass()); pm.addPass(mlir::createCSEPass()); ``` 以上代码添加了Canonicalizer和Common Subexpression Elimination两个优化器。 3. 运行PassManager对象，例如： ```c++ pm.run(module); ``` 其中，module是要优化的MLIR模块。 通过以上步骤，就可以解决“None of the MLIR Optimization Passes are enabled”这个错误了。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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