解决问题：Failed to get convolution algorithm

最新推荐文章于 2022-06-01 14:46:18 发布

东南季风yz

最新推荐文章于 2022-06-01 14:46:18 发布

阅读量502

点赞数

分类专栏： bug汇总文章标签：深度学习 tensorflow

本文链接：https://blog.csdn.net/yz9521/article/details/116296988

版权

bug汇总专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文探讨了在安装多个TensorFlow版本后遇到的GPU资源问题，提出通过设置CUDA设备顺序、限制内存分配和配置Session来解决。解决方案包括设置CUDA设备顺序为PCI_BUS_ID，使用tf.ConfigProto配置GPU选项，确保程序按需分配资源。

摘要由CSDN通过智能技术生成

前言：

前提说明，安装两个版本的tensorflow后出现了这个问题，先安装的环境正常运行，后安装的环境就有这个bug了。

分析问题：

可能是两个版本的tensorflow需要对应不同的cudann，导致其中一个得不到gpu资源。

解决方案：

在你需要运行的代码的最前面放入下面这段代码即可解决。

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = "0,1"//选择哪一块gpu,如果是-1，就是调用cpu
config = tf.ConfigProto()//对session进行参数配置
config.allow_soft_placement=True ： 如果你指定的设备不存在，允许TF自动分配设备
config.gpu_options.per_process_gpu_memory_fraction=0.7//分配百分之七十的显存给程序使用，避免内存溢出，可以自己调整
config.gpu_options.allow_growth = True//按需分配显存，这个比较重要


session = tf.Session(config=config)
##或者 with tf.Session(config=config) as sess:

参考：

https://blog.csdn.net/weixin_43820996/article/details/102906434?utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&dist_request_id=1619535057481_97016&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control