小编Sim*_*ace的帖子

我正在开发一个项目，使用Keras训练了一系列二元分类器，并使用Tensorflow作为后端引擎。我的输入数据是一系列图像，其中每个二元分类器必须对图像进行预测，稍后我将预测保存在 CSV 文件中。

我遇到的问题是，当我从第一个系列的二元分类器获得预测时，没有任何警告，但是当第五个或第六个二元分类器调用输入数据的预测方法时，我收到以下警告：

警告：tensorflow：最近 5 次调用 <function Model.make_predict_function..predict_function at 0x2b280ff5c158> 触发了 tf.function 回溯。跟踪成本很高，并且跟踪次数过多可能是由于 (1) 在循环中重复创建 @tf.function，(2) 传递不同形状的张量，(3) 传递 Python 对象而不是张量。对于 (1)，请在循环外部定义 @tf.function。对于（2），@tf.function具有experimental_relax_shapes=True选项，可以放宽参数形状，从而避免不必要的回溯。对于(3)，请参阅 https://www.tensorflow.org/tutorials/customization/performance#python_or_tensor_args 和https://www.tensorflow.org/api_docs/python/tf/function了解更多详细信息。

为了回答括号中的每一点，我的答案如下：

1. 预测方法在 for 循环内调用。
2. 我不传递张量，而是传递灰度图像的NumPy 数组列表，所有这些数组的宽度和高度大小都相同。唯一可以更改的是批量大小，因为列表只能包含 1 个图像或多个图像。
3. 正如我在第 2 点中所写，我传递了一个 NumPy 数组列表。

我调试了我的程序，发现调用预测方法时总是会出现此警告。总结我编写的代码如下：

import cv2 as cv
import tensorflow as tf
from tensorflow.keras.models import load_model
# Load the models
binary_classifiers = [load_model(path) for path in path2models]
# Get the images
images = [#Load …

我必须使用CUDA解决 GPU 上的代码问题，但我总是收到堆栈大小的警告，因为“函数名称”无法静态确定。

这是我正在开发的一个学生项目，该项目是使用CUDA 9.0库用C语言编写的，并且在NVIDIA Quadro K5000 gpu上运行。 每个线程必须执行一个函数，并且在这个函数中，同一个函数有两个递归调用，我之所以想使用这两个递归调用，是因为它使代码对我来说干净简单，但是如果有只有一次递归调用，不再存在堆栈大小问题。

__device__ void bitonicMergeGPU(float *arr, int l, int indexT, int order) 
{
    int k,p;

    if(l > 1)
    {
        p = l/2;

        for(k=indexT;k<indexT+p;k++)
        {
            //Compare the values.
            compareAndExchange(arr,k,k+p,order);
        }

        //THIS IS WHERE I GET THE ERROR

        bitonicMergeGPU(arr,p,indexT,order);
        bitonicMergeGPU(arr,p,indexT+p,order);
    }
}