張量流會話究竟做了什麼？

我安裝tensorflow的GPU版本，當我創建一個會話，它讓我看到這篇日誌：張量流會話究竟做了什麼？

我tensorflow /核心/ common_runtime/GPU/gpu_device.cc：885]發現設備0 與性能：名稱：GeForce GTX TITAN黑色主要：3次要：5 memoryClockRate（GHz）0.98 pciBusID 0000：01：00.0總內存：5.94GiB 空閒內存：5.31GiB I tensorflow/core/common_runtime/gpu/gpu_device.cc： 906] DMA：0 I tensorflow/core/common_runtime/gpu/gpu_device.cc：916] 0：YI tensorflow/core/common_runtime/gpu/gpu_device.cc：975]創建 TensorFlow設備（/ gpu：0） - >（設備：0，名稱：的GeForce GTX TITAN 黑色，PCI總線ID：0000：01：00.0）

當我檢查我的GPU內存使用情況，圍繞它的90％將被佔用。

Tensorflow文檔對此沒有任何說明。它是否控制了GPU？爲什麼它會消耗大部分內存？

來源

2017-06-01 deepdebugging

我不確切地知道tf.Session（）做了什麼，但是關於GPU的內存分配，請參閱https://stackoverflow.com/questions/44278021/memory-estimation-for -convolution-neural-network-tensorflow/44278911＃44278911 –

@PietroTortella謝謝你。我對你有個問題，我通過嘗試在單個腳本中執行tensorflow，PyTorch，caffe來達到這個帖子。當我試圖在同一個腳本中將會話作爲全局變量時，它給了我一個錯誤：「當前上下文不是由StreamExecutor創建的」，但是當我在函數內部創建此會話時，我沒有看到它。你知道發生了什麼問題嗎？這就是爲什麼我想知道Session正在做什麼。 – deepdebugging

TensorFlow會話在啓動時分配所有GPU內存，因此它們可以繞過cuda分配器。

不要在同一個進程中運行多個使用cuda的庫，或者會發生奇怪的事情（比如這個流執行器錯誤）。

來源

2017-06-01 19:57:52

感謝您的回答。那麼這就像是一個tensorflow特定的問題？因爲我一直在同一個腳本中運行其他機器學習庫，所以我沒有發現任何問題。 – deepdebugging

您可能看不到錯誤，但可能會在cuda環境中出現奇怪的情況。 –

完美，這解決了我的疑惑。謝謝。 – deepdebugging

張量流會話究竟做了什麼？

回答

相關問題