OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits [Debug]

最新推荐文章于 2022-04-28 11:31:00 发布
转载 最新推荐文章于 2022-04-28 11:31:00 发布 · 1.1k 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：http://blog.youkuaiyun.com/bestboyxie/article/details/61416199

本文介绍了一种在Windows环境下使用TensorFlow时遇到的问题及解决方案。当运行TensorFlow时出现关于'BestSplits'的警告信息，这通常是由于编译环境与运行环境的CPU不匹配导致。文中提供了一个简单的代码片段来屏蔽此类警告。
部署运行你感兴趣的模型镜像

Windows下测试Tensorflow的时候出现

OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits

查询应该是编译环境的CPU与我运行环境的CPU不一样，可能有些功能有问题。但是我尝试去重新编译TensorFlow太麻烦了。

So。。。

经过万能的google。找到了这个帖子，虽然不能解决问题但是屏蔽了显示，也不闹心了。。。

http://stackoverflow.com/questions/42217532/tensorflow-version-1-0-0-rc2-on-windows-opkernel-op-bestsplits-device-typ

在代码的头部添加

 

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

 

 

 

问题解决

 

FROM: http://blog.youkuaiyun.com/bestboyxie/article/details/61416199

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

用Anaconda安装TensorFlow
乐百川
04-25 5194
一说起现在比较火的机器学习、深度学习之类的，不得不说的一定有谷歌的TensorFlow框架。关于TensorFlow我就不多说了，因为我对这个东西也不太了解，这才是第一次开始学习。那么今天要说的是就是在Windows平台上安装TensorFlow，当然要是说的简短点，直接看标题就明白了。由于谷歌官方的TensorFlow目前还不支持Windows平台上的Python 3.6。所以像我这种装了Pyth
TensorFlow 源码阅读[1] OpKernel的注册
gaussrieman123的博客
04-10 1768
OpKernel介绍 在TF的架构中，OpKernel是Ops和硬件的中间层，用来抽象统一各个硬件平台上的Kernel类和接口。 注册过程 我们首先大致列出OpKernel注册的过程，后面再详细分析，我们按照调用顺序，从上层往下说： 在各个xxx_op.cc文件中调用REGISTER_KERNEL_BUILDER() 调用OpKernelRegistrar的构造函数 并在该构造函数中调用OpK...
OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
bestboyxie的专栏
03-11 3195
测试Tensorflow的时候出现 OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits 查询应该是编译环境的CPU与我运行环境的CPU不一样，可能有些功能有问题。但是我尝试去重新编译TensorFlow太麻烦了。 So。。。 经过万能的google。找到了这个帖子，虽然不能解决问题但是屏
配置(7) Tensorflow OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
GZHermit的博客
07-19 1334
参考博客：http://blog.youkuaiyun.com/bestboyxie/article/details/61416199测试Tensorflow的时候出现 E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel (‘
tensorflow报错：for unknown op
qq_35710240的博客
05-01 740
在windows下安装好tensorflow1.0.1版本后，测试MINIST数据集出现报错，虽然不影响运行但是有个错误总是不安心 经过查询，暂且认定是版本问题，或者与CPU编译的问题有关，自己解决不了 不经意找到一篇国外的帖子，也是出了这个问题(看来还是很普遍的)，解决办法是能够将报错隐藏，姑且就这么干吧，省得闹心了 http://stackoverflow.com/questions/4
pytorch 设置变量的device=‘cpu’ or ‘cuda‘
热门推荐
snake_seeker的博客
04-26 1万+
背景 在电脑上运行深度学习模型，需要设置设备在cup还是GPU上运行，GPU运行速度是显著高于CPU的，但对于在不同设备上保存的变量在运行时很容易发生错误。因此需要注意 例子 from sklearn.metrics import f1_score import torch import torch.nn as nn from torch.nn import Module import torch.nn.functional as F import math import torch.optim as op
BOARD: k6833v1_64 BRAND: OPPO CPU_ABI: arm64-v8a CPU_ABI2: DEVICE: OP522D DISPLAY: PFVM10_11_C.25 FINGERPRINT: OPPO/PFVM10/OP522D:12/SP1A.210812.016/R.1a734aa-1a150:user/release-keys HARDWARE: mt6833 HEAP_MAX_SIZE: 512MB HEAP_USED: 77MB HOST: dg02-pool06-kvm9 HW_TIMEOUT_MULTIPLIER: 1 ID: SP1A.210812.016 IS_CONTAINER: false IS_DEBUGGABLE: false IS_EMULATOR: false IS_ENG: false IS_TREBLE_ENABLED: true IS_USER: true IS_USERDEBUG: false LOCAL_TIME: 2025-05-25 11:52:42 [GMT+07:00] MANUFACTURER: OPPO MODEL: PFVM10 ODM_SKU: dsds PACKAGE_NAME: com.zhiliaoapp.musically PERMISSIONS_REVIEW_REQUIRED: true PRODUCT: PFVM10 SDK: 31 SOC_MANUFACTURER: Mediatek SOC_MODEL: MT6833V/ZA SUPPORTED_32_BIT_ABIS: [armeabi-v7a, armeabi] SUPPORTED_64_BIT_ABIS: [arm64-v8a] SUPPORTED_ABIS: [arm64-v8a, armeabi-v7a, armeabi] TAG: Build TAGS: release-keys TIME: 1728613399000 TYPE: user USER: root VERSION_CODE: 2023500030 VERSION_NAME: 35.0.3 java.lang.NumberFormatException: For input string: "https://t.me/TikTokModCloud/2008000" at java.lang.Long.parseLong(Long.java:736) at java.lang.Long.valueOf(Long.java:1188) at me.tigrik.f.g.run(Unknown Source:642) at android.os.Handler.handleCallback(Handler.java:938) at android.os.Handler.dispatchMessage(Handler.java:99) at android.os.Looper.loopOnce(Looper.java:233) at android.os.Looper.loop(Looper.java:344) at android.app.ActivityThread.main(ActivityThread.java:8205) at java.lang.reflect.Method.invoke(Native Method) at com.android.internal.os.RuntimeInit$MethodAndArgsCaller.run(RuntimeInit.java:589) at com.android.internal.os.ZygoteInit.main(ZygoteInit.java:1071)
05-26
### 关于 `java.lang.NumberFormatException` 的分析 `java.lang.NumberFormatException` 是 Java 中常见的异常之一，通常发生在尝试将字符串转换为数值类型（如 Integer 或 Double）时失败的情况。...
int vhost_rdma_responder(void* arg) { struct vhost_rdma_qp *qp = (struct vhost_rdma_qp *)arg; struct vhost_rdma_device *dev = qp->dev; enum vhost_rdma_resp_states state; struct vhost_rdma_pkt_info *pkt = NULL; int ret = 0; vhost_rdma_add_ref(qp); qp->resp.aeth_syndrome = AETH_ACK_UNLIMITED; if (!qp->valid) { ret = -EINVAL; goto done; } switch (qp->resp.state) { case QP_STATE_RESET: state = RESPST_RESET; break; default: state = RESPST_GET_REQ; break; } while (1) { RDMA_LOG_DEBUG_DP("qp#%d state = %s", qp->qpn, vhost_rdma_resp_state_name[state]); switch (state) { case RESPST_GET_REQ: state = vhost_rdma_get_req(qp, &pkt); break; case RESPST_CHK_PSN: state = vhost_rdma_check_psn(qp, pkt); break; case RESPST_CHK_OP_SEQ: state = vhost_rdma_check_op_seq(qp, pkt); break; case RESPST_CHK_OP_VALID: state = vhost_rdma_check_op_valid(qp, pkt); break; case RESPST_CHK_RESOURCE: state = vhost_rdma_check_resource(qp, pkt); break; case RESPST_CHK_LENGTH: state = vhost_rdma_check_length(qp, pkt); break; case RESPST_CHK_RKEY: state = vhost_rdma_check_rkey(qp, pkt); break; case RESPST_EXECUTE: state = vhost_rdma_execute(qp, pkt); break; case RESPST_COMPLETE: state = vhost_rdma_do_complete_pkt(qp, pkt); break; case RESPST_READ_REPLY: state = vhost_rdma_read_reply(qp, pkt); break; case RESPST_ACKNOWLEDGE: state = vhost_rdma_acknowledge(qp, pkt); break; case RESPST_CLEANUP: state = vhost_rdma_cleanup(qp, pkt); break; case RESPST_DUPLICATE_REQUEST: state = vhost_rdma_duplicate_request(qp, pkt); break; case RESPST_ERR_PSN_OUT_OF_SEQ: /* RC only - Class B. Drop packet. */ send_ack(qp, pkt, AETH_NAK_PSN_SEQ_ERROR, qp->resp.psn); state = RESPST_CLEANUP; break; case RESPST_ERR_TOO_MANY_RDMA_ATM_REQ: case RESPST_ERR_MISSING_OPCODE_FIRST: case RESPST_ERR_MISSING_OPCODE_LAST_C: case RESPST_ERR_UNSUPPORTED_OPCODE: case RESPST_ERR_MISALIGNED_ATOMIC: /* RC Only - Class C. */ do_class_ac_error(qp, AETH_NAK_INVALID_REQ, VHOST_RDMA_IB_WC_REM_INV_REQ_ERR); state = RESPST_COMPLETE; break; case RESPST_ERR_MISSING_OPCODE_LAST_D1E: state = do_class_d1e_error(qp); break; case RESPST_ERR_RNR: if (qp->type == VHOST_RDMA_IB_QPT_RC) { vhost_rdma_counter_inc(dev, VHOST_RDMA_CNT_SND_RNR); /* RC - class B */ send_ack(qp, pkt, AETH_RNR_NAK | (~AETH_TYPE_MASK & qp->attr.min_rnr_timer), pkt->psn); } else { /* UD/UC - class D */ qp->resp.drop_msg = 1; } state = RESPST_CLEANUP; break; case RESPST_ERR_RKEY_VIOLATION: if (qp->type == VHOST_RDMA_IB_QPT_RC) { /* Class C */ do_class_ac_error(qp, AETH_NAK_REM_ACC_ERR, VHOST_RDMA_IB_WC_REM_ACCESS_ERR); state = RESPST_COMPLETE; } else { qp->resp.drop_msg = 1; if (qp->srq) { /* UC/SRQ Class D */ qp->resp.status = VHOST_RDMA_IB_WC_REM_ACCESS_ERR; state = RESPST_COMPLETE; } else { /* UC/non-SRQ Class E. */ state = RESPST_CLEANUP; } } break; case RESPST_ERR_INVALIDATE_RKEY: /* RC - Class J. */ qp->resp.goto_error = 1; qp->resp.status = VHOST_RDMA_IB_WC_REM_INV_REQ_ERR; state = RESPST_COMPLETE; break; case RESPST_ERR_LENGTH: if (qp->type == VHOST_RDMA_IB_QPT_RC) { /* Class C */ do_class_ac_error(qp, AETH_NAK_INVALID_REQ, VHOST_RDMA_IB_WC_REM_INV_REQ_ERR); state = RESPST_COMPLETE; } else if (qp->srq) { /* UC/UD - class E */ qp->resp.status = VHOST_RDMA_IB_WC_REM_INV_REQ_ERR; state = RESPST_COMPLETE; } else { /* UC/UD - class D */ qp->resp.drop_msg = 1; state = RESPST_CLEANUP; } break; case RESPST_ERR_MALFORMED_WQE: /* All, Class A. */ do_class_ac_error(qp, AETH_NAK_REM_OP_ERR, VHOST_RDMA_IB_WC_LOC_QP_OP_ERR); state = RESPST_COMPLETE; break; case RESPST_ERR_CQ_OVERFLOW: /* All - Class G */ state = RESPST_ERROR; break; case RESPST_DONE: if (qp->resp.goto_error) { state = RESPST_ERROR; break; } goto done; case RESPST_EXIT: if (qp->resp.goto_error) { state = RESPST_ERROR; break; } goto exit; case RESPST_RESET: vhost_rdma_drain_req_pkts(qp, false); qp->resp.wqe = NULL; goto exit; case RESPST_ERROR: qp->resp.goto_error = 0; RDMA_LOG_ERR_DP("qp#%d moved to error state", qp->qpn); vhost_rdma_qp_error(qp); goto exit; default: RDMA_LOG_ERR_DP("Unknown RESPST"); } } exit: ret = -EAGAIN; done: vhost_rdma_drop_ref(qp, qp->dev, qp); return ret; }解释一下这大段代码
最新发布
12-13
struct vhost_rdma_device *dev = qp->dev; enum vhost_rdma_resp_states state; // 状态机状态 struct vhost_rdma_pkt_info *pkt = NULL; // 包信息 int ret = 0; vhost_rdma_add_ref(qp); // 增加QP引用计数...
文件系统操作精要：jffs2_squashfs自动挂载与校验的6大可靠方案
!...# 1. 文件系统操作精要概述 在嵌入式Linux系统中，文件系统不仅是数据存储的载体，更是系统启动、运行可靠性的基石。本章聚焦于实际工程中常见的jffs2与squashfs文件系统，深入探讨其在闪存介质上的操作特性与挂载...
创维Q+无线模块驱动替换：实现WiFi_BT芯片兼容扩展的硬核技术探索
!... # 摘要 随着智能家居设备的快速迭代，无线模块驱动的可替换性成为提升系统兼容性与延长硬件生命周期的关键技术。本文以创维Q+设备为研究对象，系统分析了无线模块的硬件架构与芯片兼容性，构建了基于引脚匹配、...
ESP32看门狗复位根源诊断：通过reset_reason接口精准识别4类异常启动源
系统通过任务看门狗（TWDT）和寄存器看门狗（RWDT）监控CPU和任务运行状态，防止程序死循环或阻塞导致的系统瘫痪。当看门狗超时未被喂狗，将触发自动复位，保障设备自恢复能力。理解看门狗与复位机制的关系，是构建...
OneFlow学习笔记：从OpExprInterpreter到OpKernel
OneFlow深度学习框架
04-28 1981
本文主要梳理了OneFlow虚拟机的的作用和相关实现。
TensorFlow的基本使用
陈海峰的博客
03-12 3438
import tensorflow as tf def main(): #定义一个constant OP hello = tf.constant("Hello, TensorFlow!") #定义constant OP a = tf.constant(10) b = tf.constant(32) #定义add OP add = tf.
tensorflow 版本导致的问题
CZ626626的博客
03-27 2528
“` E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel (‘op: “BestSplits” device_type: “CPU”’) for unknown op: BestSplits E c:\tf_jen
78、tensorflow滑动平均模型，用来更新迭代的衰减系数
u012416045的博客
10-13 519
''' Created on 2017年4月21日 @author: weizhen ''' #4、滑动平均模型 import tensorflow as tf #定义一个变量用于计算滑动平均，这个变量的初始值为0. #类型为tf.float32,因为所有需要计算滑动平均的变量必须是实数型 v1=tf.Variable(0,dtype=tf.float32) #这里step变量模拟神经网络中迭代
评论 1
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