ubantu16.04 tensorflow2.0 cuda10.1 环境下出现：Failed to get convolution algorithm.

最新推荐文章于 2020-05-23 14:03:45 发布
原创 最新推荐文章于 2020-05-23 14:03:45 发布 · 253 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#tensorflow

本文详细介绍了在Ubuntu16.04系统下使用TensorFlow2.0和CUDA10.1时遇到的显存溢出问题，并提供了有效的解决方案。通过调整GPU显存增长设置，可以避免Failed to get convolution algorithm错误，确保深度学习任务的顺利运行。
部署运行你感兴趣的模型镜像

ubantu16.04 tensorflow2.0 cuda10.1 环境下出现：Failed to get convolution algorithm.

经过排查发现是因为可能是显卡内存溢出导致的错误在代码中添加如下代码即可避免：

physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, "Not enough GPU hardware devices available"
tf.config.experimental.set_memory_growth(physical_devices[0], True)

http://www.bubuko.com/infodetail-3235806.html
https://blog.youkuaiyun.com/qq_41868689/article/details/98503069

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

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

luoziyuan1111
关注
pytorch关于多块gpu使用总结，报错AssertionError: Invalid device id
kongkongqixi的博客
09-03 2万+
pytorch默认使用gpu编号为device:0的设备，可以使用 torch.nn.DataParallel(model, device_ids=[0, 1]) 对模型进行制定gpu指定编号多gpu训练，必须要有编号为device:0的gpu，不然会报AssertionError: Invalid device id错误； 当gpu编号为device:0的设备被占用时，指定其他编号gpu...
基于docker容器ubuntu16.04安装cuda10.1+cudnn7.6.4
lu_linux的博客
05-23 5587
目录 1.宿主机环境 2.安装docker 3.安装nvidia-docker(如果想要在docker容器中调用nvidia驱动必须要安装) 4.拉取镜像 4.1验证下-gpus选项 4.2运行利用GPU的Ubuntu容器 4.3写一个拉取镜像的脚本如下： 4.4运行脚本 5、安装CUDA 5.1CUDA推荐下载.run可以根据提示安装 5.2安装完成后，设置环境变量 6.cudnn的安装 6.1下载安装文件 6.2安装cudnn 6.3查看cudnn版本 1.宿主机环境 .
ubuntu16.04+cuda10.1+cudnn7.6.4+tensorflow-gpu环境配置
weixin_43242765的博客
04-12 845
本文作为环境配置的记录。 在安装完显卡驱动后，得知需要的cuda为10.1，可以在这个网站找到合适版本的cuda： https://developer.nvidia.com/cuda-toolkit-archive 安装过程参考 https://www.cnblogs.com/dinghongkai/p/11268976.html 但是事实上安装的过程中没有关闭图形化界面，直接在终端运行了.run...
keras使用GPU的一些坑
hehehi
11-11 1538
keras安装 conda install tensorflow-gpu pip install keras 注意：不要使用conda安装keras，会检测依赖，默认安装上tensorflow的CPU版本。 keras运行报错，tensorflow/stream_executor/cuda/cuda_dnn.cc:329 Could not create cudnn handle: CUDN...
Ubuntu 安装cuda10.1驱动的实现步骤
09-14
在Ubuntu系统上安装CUDA 10.1驱动的...遵循上述步骤，并根据实际情况解决可能出现的问题，你应该能够成功地在Ubuntu 16.04上安装CUDA 10.1。在进行这个过程时，查阅相关文档和技术论坛能帮助你更好地理解和解决问题。
tensorflow2.0 之 Ubuntu 18.04 安装
New_Leaf的博客
05-23 787
tensorflow2.0 之 Ubuntu 18.04 安装1. 系统要求2. 安装相关环境是否达标2.1 检查当前系统版本是否支持2.1.1 查看系统版本2.1.2 系统升级2.2 python版本是否满足2.2.1 查看python版本2.2.2 更新python版本 1. 系统要求 Python 3.5-3.7 pip 19.0 或更高版本（需要 manylinux2010 支持） Ubuntu 16.04 或更高版本（64 位） 2. 安装相关环境是否达标 2.1 检查当前系统版本是否支持
Ubuntu 使用 apt-get命令失效，Failed to fetch http://cn.archive.ubuntu.com/ubuntu/dists/precise/InRelease
热门推荐
qq_36908841的博客
07-11 2万+
楼主的是Ubuntu14.04版本，其它版本应该也适用，在使用apt-get update时出现以下错误： Err http://mirrors.aliyun.com trusty InRelease Err http://mirrors.aliyun.com trusty-updates InRelease Err http://mirrors.aliyun.com trusty...
ubuntu安装tensorflow2.0,cuda10.0,cudnn填坑记录
GDMEC_的博客
01-12 1606
ubuntu安装tensorflow2.0,cuda10.0,cudnn填坑记录安装cuda,cudnn安装完成后的配置：配置～/.bashrc文件创建连接文件坑1：安装完成后，提示libcudnn.so.7 is not a symbolic link 不是符号连接坑2：运行tensorflow代码时候，提示Could not create cudnn handle: CUDNN_STATUS_...
tensorflow-gpu
09-25
tensorflow-gpu 在Windows 10上使用TensorFlow（GPU）训练多个对象的对象检测分类器
cpu运行gpu上的pytorch 报错:AssertionError:torch not compiled with cuda enabled——已解决
qq_45504119的博客
04-09 1万+
感觉今天介绍的这种方法可以解决所有这种报错出现的问题 事件发生： 报错：AssertionError:torch not compiled with cuda enabled 解决方法： 后来看到这个代码 parser.add_argument('--test_device', default="cuda:0", type=str, help='cuda...
解决tensorflow2.0提示cudnn版本不对 Failed to get convolution algorithm
henry_3006的博客
01-07 1268
tensorflow2.0报错： Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED Error retrieving driver version: Unimplemented: kernel reported driver version not implemented on Windows tensorflow.pytho...
【tensorflow 使用错误】tensorflow2.0 过程中出现 Error : Failed to get convolution algorithm
赖德发的博客
02-23 1538
如果在使用 tensorflow 过程中出现 Error : Failed to get convolution algorithm ，这是因为显卡内存被耗尽了。 解决办法： 在代码的开头加入如下两句，动态分配显存 physical_device = tf.config.experimental.list_physical_devices("GPU") tf.config.experimental...
Detectron:assert len(cfg_list) % 2 == 0 AssertionError
地理信息系统、摄影测量与遥感、人工智能
06-29 1万+
Detectron在用train_net.py训练模型的时候如果遇到该问题：Traceback (most recent call last): File "tools/train_net.py", line 128, in <module> main() File "tools/train_net.py", line 100, in main merge_cfg_from_l...
【tensorflow】在GPU服务器上配置tensorflow-gpu遇到的一些坑
qq_37902216的博客
04-28 980
环境：ubuntu16.04GPU服务器，cuda9.0 、cudnn7.0.5，Anaconda3虚拟环境下python3.6 1、最开始用最常规安装方法，pip install tensorflow-gpu=1.9.0和conda install tensorflow-gpu=1.9.0遇到网络问题，里面的一些包根本下载不下来。 2、另辟蹊径，选择用清华镜像：https://mi...
Dev的failed处理方式（与系统不兼容）
delete_bug的博客
08-06 2193
今天面对我处理了一天的DEv出现的failed to execute 问题，历经千辛万苦，先是修改了系统变量的途径但是好像还是没有效果，最后找到了这位热心网友分享到的方法，修改编译器。最终解决了问题。哎，喜极而泣啊！@TOC 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下...
AWS——扩展linux根目录
Tom的专栏
02-27 5244
需求：创建一个centos6.5镜像，镜像根目录40g 问题描述：       使用aws社区ami（镜像），创建的镜像根目录只有5g，且不是lvm分区，不符合要求，或者存在30g的镜像，但不是纯净版 解决过程：       1.扩展磁盘，在aws中新建实例时，将根目录扩展为40g       2.进入实例，查看实例状态          --> 根目录仍为5g [root@ip
ubantu16.04安装cuda
08-19
在Ubuntu 16.04上安装CUDA 11.0的步骤如下： 1. 首先，您需要在Ubuntu 16.04上安装CUDA 10.2作为基础版本。可以按照CUDA官方文档提供的步骤进行安装。 2. 然后，您需要下载并安装CUDA 11.0的安装包。您可以从NVIDIA官方网站下载适用于Ubuntu 16.04的CUDA 11.0安装包。 3. 下载完成后，使用以下命令解压安装包： ``` tar -xvf cuda_11.0.XXXXX_linux.run ``` 4. 进入解压后的目录，并执行以下命令开始安装： ``` sudo ./cuda_11.0.XXXXX_linux.run ``` 5. 在安装过程中，您需要阅读并接受许可协议以继续安装。然后，您可以选择自定义安装选项，根据您的需求进行选择。 6. 安装完成后，您需要配置CUDA 11.0的环境变量。请将以下内容添加到您的`.bashrc`文件中： ``` export PATH=/usr/local/cuda-11.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH ``` 7. 最后，通过运行以下命令，使环境变量生效： ``` source ~/.bashrc ``` 现在，您已成功在Ubuntu 16.04上安装了CUDA 11.0。您可以通过运行`nvcc --version`命令来验证CUDA的安装是否成功。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Ubuntu16.04在cuda10.2的基础上安装cuda11.0并存](https://blog.csdn.net/weixin_43678195/article/details/119960152)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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