我的电脑只有 1 个 GPU。
下面是我输入某人的代码得到的结果
[name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456
locality {} incarnation: 16894043898758027805, name: "/device:GPU:0"
device_type: "GPU" memory_limit: 10088284160
locality {bus_id: 1 links {}}
incarnation: 17925533084010082620
physical_device_desc: "device: 0, name: GeForce RTX 3060, pci bus id: 0000:17:00.0, compute
capability: 8.6"]
我使用 jupyter 笔记本，现在运行 2 个内核。（TensorFlow 2.6.0 并安装了 CUDA 和 cuDNN 作为 TensorFlow 指南）
第一个内核从 Keras 运行我的顺序模型没有问题。
但是当我在第二个内核中学习相同的代码时，我得到了如下错误。
尝试在不支持 BLAS 的情况下使用 StreamExecutor 执行 BLAS 操作 [[nodeequential_3/dense_21/MatMul（在 \AppData\Local\Temp/ipykernel_14764/3692363323.py:1 处定义）]] [Op:__inference_train_function_7682]
函数调用栈：train_function
如何才能毫无问题地学习多个内核并仅使用 1 个 GPU 共享它们？
不过我不熟悉 TensorFlow 1.xx 版本。 …