使用print(tensor)时,中间有省略号。。解决如下
import tensorflow as tf
import numpy as np
np.set_printoptions(threshold=np.inf)
tensorflow中屏蔽输出的log信息方法
TF_CPP_MIN_LOG_LEVEL 取值 0 : 0也是默认值,输出所有信息
TF_CPP_MIN_LOG_LEVEL 取值 1 : 屏蔽通知信息
TF_CPP_MIN_LOG_LEVEL 取值 2 : 屏蔽通知信息和警告信息
TF_CPP_MIN_LOG_LEVEL 取值 3 : 屏蔽通知信息、警告信息和报错信息
import tensorflow as tf
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘0’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘1’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘3’
pip install tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl.whl
遇到:setuptools 版本太低
pip install --upgrade setuptools
遇到:Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
conda update --all
conda remove wrapt
or
pip install -U --ignore-installed wrapt enum34 simplejson netaddr
程序报错说找不到cudart64_100.dll
CUDA版本不对,
卸载CUDA
- 留下:NVIDIA的图形驱动程序、NVIDIA Physx系统软件,如果你有这2个软件,就别卸载。
- 其他都卸载掉。
- 重新安装。
ModuleNotFoundError: No module named 'numpy.core._multiarray_umath’
更新numpy的版本
pip install --upgrade numpy
或
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade numpy
解决python调用TensorFlow时出现FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate
最后发现,可以在pycharm中使用Import tensorflow,然后将点进出现的警告,进入dtype.py,修改对应行的代码,把np.dtype([(“quint8”, np.uint8, 1)])修改为np.dtype([(“quint8”, np.uint8, (1,))])就完美解决了
from:https://blog.csdn.net/bigdream123/article/details/99467316
D:\Anaconda3\Lib\site-packages\tensorflow\python\framework\dtypes.py
D:\Anaconda3\Lib\site-packages\tensorboard\compat\tensorflow_stub\dtypes.py
错误调试:failed to allocate 4.75G (5102921216 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
1)需要指定GPU,代码头部添加如下代码:
import os
os.environ[“CUDA_VISIBLE_DEVICES”] = “1”
2)限制当前脚本可用显存,代码头部添加第一行,session 语句进行如第二行的修改
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
‘‘tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[?]’’ 错误分析
这是tensorflow 一个经常性错误,错误的原因在于:显卡内存不够。
解决方法就是降低显卡的使用内存,途径有以下几种措施:
1 减少Batch 的大小
2 分析错误的位置,在哪一层出现显卡不够,比如在全连接层出现的,则降低全连接层的维度,把2048改成1042啥的
3 增加pool 层,降低整个网络的维度。
4 修改输入图片的大小