TensorFlow-GPU版本，载入模型时报错：Blas GEMM。。解决办法

最新推荐文章于 2023-10-26 18:53:25 发布

原创最新推荐文章于 2023-10-26 18:53:25 发布 · 4.8k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#Python #TensorFlow

TensorFlow过坑专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了在使用TensorFlow GPU版本时，如何解决因GPU内存被其他程序占用而导致的模型加载错误。提供了检查和关闭占用GPU资源的程序的方法，以及通过分配GPU显存避免内存冲突的技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果安装了GPU版本的TensorFlow，使用其进行模型的载入时，遇到报错，类似下面这种：

InternalError: Blas GEMM launch failed : a.shape=(10000, 784), b.shape=(784, 10), m=10000, n=10, k=784
	 [[node MatMul (defined at <ipython-input-2-0367395f566d>:16)  = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/device:GPU:0"](_arg_Placeholder_0_0/_7, Variable/read)]]
	 [[{{node Mean/_9}} = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_25_Mean", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

后面也许还有一大堆的提示，不过不用去管，最最常见的情形就是：

老兄，你的GPU被占用了！！

——解决方法如下：

如果你使用的Pycharm或者Spyder之类的IDE，那么你需要检查一下是否之前运行了其他使用GPU的程序，如果找到了，请毫不犹豫的关掉它。
如果你使用的是JupyterNotebook，那么你同样需要先检查是否之前运行了其他使用GPU的程序，如果有，在目录中选中它，并点击上面工具栏中的shutdown来关掉它。如果不是前面这种情形，那一定要检查一下你的JupyterNotebook的编译器（就是那个黑框框）是否多打开了一个，如果是的话，一定要关闭你没有正在使用的那个。不知道哪个才是没正在使用的？好吧，那就都关了重新打开JupyterNotebook吧 - -。
以上解决办法的前提是：你并没有开游戏，或者没有其他程序占用GPU。
核心思想其实就是：保持你的GPU只被一个程序占用~

不过如果我就是想开几个程序，或者边跑游戏边跑模型肿么办？

——这么办：

给你的模型训练分配一下显存，让它们不要打架。使用下面的语句来创建会话：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)  
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

然后，enjoy your training~