相关疑难解决方法(0)

我是TensorFlow的新手.我最近安装了它(Windows CPU版本)并收到以下消息:

成功安装了tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc2

然后,当我试图跑

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
'Hello, TensorFlow!'
a = tf.constant(10)
b = tf.constant(32)
sess.run(a + b)
42
sess.close()

(我通过https://github.com/tensorflow/tensorflow找到)

我收到以下消息:

2017-11-02 01:56:21.698935:IC:\ tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:137]你的CPU支持这个说明TensorFlow二进制文件未编译使用:AVX AVX2

但是当我跑的时候

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

它运行应该和输出Hello, TensorFlow!,这表明安装确实成功,但还有其他错误.

你知道问题是什么以及如何解决它？谢谢.

我正在尝试在Windows上安装TensorFlow.

我尝试安装它pip,但我总是得到相同的错误消息:

... is not a supported wheel on this platform.

我首先尝试使用Python 3.5.1,现在我升级到3.6.0b4,但它没有任何区别.

蟒蛇:

Python 3.6.0b4 (default, Nov 22 2016, 05:30:12) [MSC v.1900 64 bit (AMD64)] on win32

PIP:

pip 9.0.1 from ...\python\lib\site-packages (python 3.6)

确切地说,我尝试了以下两个命令:

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

他们输出以下内容:

> tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl is not a supported wheel on this platform.
> tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl is not a supported wheel on this platform.

有谁知道如何解决这个问题？我不确定我在哪里弄错了.

谢谢!

顺便说一句,我也尝试过pip install tensorflow …

我是深度学习的新手，过去 2 天我一直在尝试在我的电脑上安装 tensorflow-gpu 版本，但徒劳无功。我避免安装 CUDA 和 cuDNN 驱动程序，因为由于许多兼容性问题，几个在线论坛不推荐它。由于我之前已经在使用 python 的 conda 发行版，所以我conda install -c anaconda tensorflow-gpu按照他们的官方网站上写的那样去：https : //anaconda.org/anaconda/tensorflow-gpu。

然而，即使在新的虚拟环境中安装了 gpu 版本后（为了避免与基础环境中安装的 pip 库的潜在冲突），由于某种神秘的原因，tensorflow 似乎甚至无法识别我的 GPU。

我运行的一些代码片段（在 anaconda 提示符下）以了解它无法识别我的 GPU：-

1.

>>>from tensorflow.python.client import device_lib
        >>>print(device_lib.list_local_devices())
                    [name: "/device:CPU:0"
                device_type: "CPU"
                memory_limit: 268435456
                locality {
                }
                incarnation: 7692219132769779763
                ]

如您所见，它完全忽略了 GPU。

2.

>>>tf.debugging.set_log_device_placement(True)
    >>>a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
2020-12-13 10:11:30.902956: I tensorflow/core/platform/cpu_feature_guard.cc:142] This 
TensorFlow 
binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to …

我最近开始使用 azure 进行 ML 并尝试使用机器学习服务工作区。因为我需要使用 GPU 上的图像训练 NN，所以我已经设置了一个工作区，计算设置为 NC6s-V2 机器。

问题是训练仍然在 CPU 上进行——日志说它无法找到 CUDA。这是运行我的脚本时的警告日志。任何线索如何解决这个问题？

我还在估算器的 conda 包选项中明确提到了 tensorflow-gpu 包。

这是我的估算器代码，

script_params = {
         '--input_data_folder': ds.path('dataset').as_mount(),
         '--zip_file_name': 'train.zip',
         '--run_mode': 'train'
    }


est = Estimator(source_directory='./scripts',
                     script_params=script_params,
                     compute_target=compute_target,
                     entry_script='main.py',
                     conda_packages=['scikit-image', 'keras', 'tqdm', 'pillow', 'matplotlib', 'scipy', 'tensorflow-gpu']
                     )

run = exp.submit(config=est)

run.wait_for_completion(show_output=True)

计算目标是根据github上的示例代码制作的：

compute_name = "P100-NC6s-V2"
compute_min_nodes = 0
compute_max_nodes = 4

vm_size = "STANDARD_NC6S_V2"

if compute_name in ws.compute_targets:
    compute_target = ws.compute_targets[compute_name]
    if compute_target and type(compute_target) is AmlCompute:
        print('found compute target. just use it. …