TensorFlow 不想使用 GPU

Question

我想从这里https://github.com/chiphuyen/stanford-tensorflow-tutorials/tree/master/assignments/chatbot 在 GPU 上训练“standford chatbot”，但它不使用我的 GPU，但安装了所有需要的库（CuNN、CUDA、tensorflow-gpu 等） 我试过了：

def train():
""" Train the bot """

test_buckets, data_buckets, train_buckets_scale = _get_buckets()
# in train mode, we need to create the backward path, so forwrad_only is False

model = ChatBotModel(False, config.BATCH_SIZE)
model.build_graph()

saver = tf.train.Saver(var_list=tf.trainable_variables())

with tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True)) as sess:
    print('Start training')

    sess.run(tf.global_variables_initializer())
    _check_restore_parameters(sess, saver)

    iteration = model.global_step.eval()
    total_loss = 0
    while True:

        skip_step = _get_skip_step(iteration)
        bucket_id = _get_random_bucket(train_buckets_scale)
        encoder_inputs, decoder_inputs, decoder_masks = data.get_batch(data_buckets[bucket_id], 
                                                                       bucket_id,
                                                                       batch_size=config.BATCH_SIZE)
        start = time.time()
        _, step_loss, _ = run_step(sess, model, encoder_inputs, decoder_inputs, decoder_masks, bucket_id, False)
        total_loss += step_loss
        iteration += 1

        if iteration % skip_step == 0:
            print('Итерация {}: потеря {}, время {}'.format(iteration, total_loss/skip_step, time.time() - start))
            start = time.time()
            total_loss = 0
            saver.save(sess, os.path.join(config.CPT_PATH, 'chatbot'), global_step=model.global_step)
            if iteration % (10 * skip_step) == 0:
                # Run evals on development set and print their loss
                _eval_test_set(sess, model, test_buckets)
                start = time.time()
            sys.stdout.flush()

但它总是显示：

InvalidArgumentError (see above for traceback): Cannot assign a device to node 'save/Const': Could not satisfy explicit device specification '/device:GPU:0' because no supported kernel for GPU devices is available.

托管调试信息： 托管组有以下类型和设备： 常量：CPU 身份：CPU [[节点：save/Const = Constdtype=DT_STRING, value=Tensor, _device="/device:GPU:0"]]

是否有一些用于 tensorflow 的配置文件，我可以指定仅使用 GPU 或其他方式（我尝试了“with tf.device("/gpu:0"):" and device_count={'GPU': 1} ))

Answer 1

根据您的错误：

无法满足明确的设备规范“/device:GPU:0”，因为没有可用的 GPU 设备支持的内核。

这意味着'save/Const' 操作不能通过with tf.device(): 强制分配给GPU，因为它没有GPU 实现。删除 with tf.device(): 部分（或将该操作放在它之外）并让 TF 决定将操作放在哪里（无论如何它会更喜欢 GPU 而不是 CPU）