Could not satisfy explicit device specification '/device:GPU:0' because no supported kernel for GPU

本文详细介绍了在Windows7环境下,使用Anoconda3、TensorFlow-GPU1.4、CUDA8.0和cuDNN6.0进行深度学习模型训练时遇到的设备分配错误,并提供了两种有效的解决方案。一种是通过修改配置参数,使程序在CPU上运行;另一种是在Session中设置tf.ConfigProto参数allow_soft_placement为True,以实现自动设备分配。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考:https://blog.youkuaiyun.com/xd_wjc/article/details/80550862

windows7+Anoconda3+tensoeflow-gpu1.4+cuda8.0+cudnn6.0

启动训练文件train_image_classifier.py的时候会报Cannot assign a device for operation 'InceptionV3/AuxLogits/Conv2d_2b_1x1/weights/RMSProp1': Could not satisfy explicit device specification '/device:GPU:0' because no supported kernel for GPU devices is available类似这种错误,

翻了一些资料,可能是定义在图中的op只能在CPU中运行,GPU不支持

解决方法:

1.将以下参数由False设置为True,但是这样的话,整个程序都在CPU上运行,会很慢。所以可以用第二种方式

2.设置tf.ConfigProto

config = tf.ConfigProto(allow_soft_placement = True)
sess = tf.Session(config = config)

这种方式适合在session中,如果是slim里,由于本身将session封装好了,不需要创建,所以打开train_image_classifier.py这个文件,把这个文件拉到最底,会看到slim.learing.train, 加上红圈划的两句

亲测好使O(∩_∩)O哈哈~

在这里插入图片描述

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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