对于tensorflow GPU训练下Function call stack: train_function 问题的解决（.fit_generator callback）

最新推荐文章于 2025-05-01 15:44:39 发布

Link_night

最新推荐文章于 2025-05-01 15:44:39 发布

阅读量1.6w

点赞数 29

CC 4.0 BY-SA版权

分类专栏：机器学习图像处理技术关节文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/Link_night/article/details/107336040

一、错误记录：

callbacks = callbacks_list#callbacks_list

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\util\deprecation.py", line 324, in new_func

return func(*args, **kwargs)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1479, in fit_generator

initial_epoch=initial_epoch)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\keras\engine\training.py", line 66, in _method_wrapper

return method(self, *args, **kwargs)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\keras\engine\training.py", line 848, in fit

tmp_logs = train_function(iterator)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\eager\def_function.py", line 580, in __call__

result = self._call(*args, **kwds)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\eager\def_function.py", line 644, in _call

return self._stateless_fn(*args, **kwds)

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\eager\function.py", line 2420, in __call__

return graph_function._filtered_call(args, kwargs) # pylint: disable=protected-access

File "C:\Users\123\anaconda3\envs\py37\lib\site-packages\tensorflow\python\eager\function.py", lin

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Link_night

关注关注

29
点赞
踩
44

收藏

觉得还不错? 一键收藏
14
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

tensorflow2.x学习笔记二十九：官方API文档小总结

耐心的小黑的博客

12-06

2594

一、tf下的常用API(下面这几个都比较常用，主要是定义处理数据) 1、tf.constant,tf.variable(它有比constant更多的属性，比如.assign，.assign_add， .assign_sub，这几个属性是直接将返回值给var变量本身，也即直接改变本身的值), tf.string,tf.range,tf.ones,tf.zeros,tf.linespace;tf.meshgrid.tf.RaggedTensor；定义数据 2、tf.fill,tf.shape,tf.one

Tensorflow 2.x入门教程

「虚幻私塾」

03-02

1193

Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/course/detail/35475 目录前言层次结构概述创建张量计算图自动微分数据输入Numpy构建数据生成器构建数据keras.utils.Sequence搭建模型顺序建模函数式API建模自定义建模损失函数自定义损失函数度量函数函数自定义度量类自定义度量优化器回调函数Tensorboard训练模型model

14 条评论您还未登录，请先登录后发表或查看评论

Tensorflow GPU 报错Function call stack: distributed_function

Eric_wangh的博客

08-07

4684

Tensorflow GPU 报错Function call stack: distributed_function Tensorflow GPU 报错Function call stack: distributed_function 在用tensorflow训练网络时，报错Function call stack:distributed_function 可以程序之前添加如下代码解决： physical_devices = tf.config.experimental.list_physical_devi

Tensorflow报错Function call stack: train_function-＞train_function-＞train_function

qq_40185784的博客

12-17

1万+

之前在训练一个模型的时候遇到下面的报错： Function call stack: train_function->train_function->train_function 开始以为只是训练的问题，搜了下相关的问题以为是内存相关的错误，但设置内存后没有用，之后才注意到上面的报错说明了信息。 Fail to find the dnn implementation 这一段。才意识到是不是cuDNN的安装问题。想到之前安装tensorflow2.3的时候官网给的cudnn推荐是7.

Function Call Stack

09-19

994

从汇编语言看，函数的调用就是CALL和RET两条指令。其中CALL负责将返回地址(即CALL指令下一个指令的PC)压入堆栈，然后跳转到CALL指令中所指定的PC开始执行。而RET则相反，从堆栈中弹出返回地址，并重新跳转到返回地址开始执行。因此从汇编语言层面看，所有函数参数和返回值的传递，寄存器的保护，以及局部变量空间的分配都需要显式地通过堆栈来完成。尤其是对函数参数和返回值，函数及其调用者都必须遵循相同的规则在堆栈中存放上述信息，从而保证这些信息在两者之间传递的正确性。这个规则就是Calling Conve

tensorflow2.3版本 LSTM作为最后输出层报错Function call stack: train_function -＞ train_function -＞ train_functio

qq_36390747的博客

09-28

4492

model = Sequential() model.add(LSTM(32, input_shape=[1, 2], return_sequences=True)) model.add(LSTM(64, return_sequences=True)) model.add(LSTM(1, return_sequences=False)) 在model.fit 处报错但在最后一层LSTM后面，加入dense层，则不会报错在使用tensorflow1.14配合keras2.3.1版本，不会报错求解！

函数调用栈一例

天秤座的唐风

03-08

285

　　前几天和柯柯交流一个小问题，说是如何在一个函数内得到调用该函数的函数地址。有点拗口，就是说如果有一个函数A（当然我们在这个问题中并不知道它是哪个函数）调用了B函数，现在希望用个什么办法得到A函数的地址。   　　我首先联想到的是，一般调试器都能给出嵌套的函数调用关系。那么肯定是有什么办法解决这个问题。上网查了一通之后只找到一些debug用的API和一些开发环境提供的调整宏...

Python TensorFlow库【深度学习框架】全面讲解与案例

最新发布

记录点滴

05-01

1832

自定义损失函数和训练步骤# 初始化权重# 前向传播计算# 使用自定义层])# 正确实现状态更新accumulation_steps = 4 # 累积4个批次的梯度# 累积梯度# 每 accumulation_steps 步更新一次权重train_step.accum_grads = [tf.zeros_like(g) for g in gradients] # 重置累积梯度。

基于端到端深度学习的自动驾驶：AirSim教程（包含Ubuntu18.04下配置AIrsim仿真环境解决方案）

Wincher's blog

01-31

3072

这是微软自动驾驶食谱的第一个教程（目前共两个）。之前看到过，这里记录一下。 https://github.com/microsoft/AutonomousDrivingCookbook 前言在本教程中，将学习如何使用AirSim仿真环境收集的数据来训练和测试自动驾驶的端到端深度学习模型。将训练一个模型，学习如何通过山脉/景观地图的一部分，在AirSim使用一个单一的正面面对网络摄像头（webcam）采集到的画面作为输入去操纵汽车。这样的任务通常被认为是自动驾驶的“你好世界”，教程结构用Keras框

Intel x86 Function-call Conventions - Assembly View

积累与分享

01-17

1070

Other resource about function-call conventions.http://www.codeproject.com/KB/cpp/calling_conventions_demystified.aspxhttp://www.intel.com/products/processor/manuals/index.htm Architecture Softw

大学数学二课件朱玉灿主编复变函数与实函数

03-03

福州大学教材课件顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶

function call stack

all for one，one for all

03-29

1377

写得太好了忍不住，直接复制过来的，侵删！https://www.recurse.com/blog/7-understanding-c-by-learning-assembly … Abstraction layers are great tools for building things, but they can sometimes get in the way of learning. My

跑深度学习模型报错：Function call stack:train_function -＞ train_function

fu_jian_ping的博客

10-31

4414

今天在跑自己设计的深度学习模型时出现了以下问题： InternalError: 2 root error(s) found. (0) Internal: Blas GEMM launch failed : a.shape=(12, 3), b.shape=(3, 32), m=12, n=32, k=3 [[node model/dense_3/MatMul (defined at <ipython-input-16-5a73e5716594>:10) ]] [[gradien

函数调用栈Function Call Stack与递归

book_dw5189的博客

04-19

1197

函数调用栈在程序执行期间起着至关重要的作用，它不仅跟踪了函数调用的顺序，还管理了函数调用过程中的各种数据。

keras.callback fit_generator

weixin_42612033的博客

12-30

2084

1.fit_generator fit_generator(self, generator, samples_per_epoch, nb_epoch, verbose=1, callbacks=[], validation_data=None, nb_val_samples=None, class_weight=None, max_q_size=10) 函数的参数是： generator：生成器...

Kaggle踩坑指南--2.Function call stack: distributed_function->distributed_function