当使用tensorflow-gpu进行模型训练时，出现的"CUDA_ERROR_LAUNCH_TIMEOUT"的报错，解决思路如下：
- 检查CUDA, CuDNN, Tensorflow版本是否对应以及兼容
- 运行简单代码
import tensorflow as tf
zeros= tf.zeros([10,10,3])
sess = tf.Session()
print(sess.run(zeros))
如果以上代码可以运行，则表明可能是模型过大导致的报错，可以尝试减小batchsize
CUDA_ERROR_LAUNCH_TIMEOUT报错
于 2020-03-01 12:14:09 首次发布
当使用TensorFlow-GPU进行模型训练时，遇到CUDA_ERROR_LAUNCH_TIMEOUT错误，本文提供了解决思路，包括检查CUDA、CuDNN、TensorFlow版本兼容性，以及通过运行测试代码判断问题原因。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
PyTorch 2.5
PyTorch
Cuda
PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理
扫一扫
7159
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
