我在加载的张量流模型上进行预测时遇到了令人困惑的cuDNN错误

Question

我创建了一个 ResNet 模型并保存了它，但是当尝试在另一个笔记本中加载后运行预测时，我收到了一堆错误。

假设我有笔记本A和B。在笔记本A中，我创建了一个名为resnet_model的模型。我可以运行预测，一切都很好。我像这样保存了模型

resnet_model.save(os.path.join(DATAPATH,"res1_network.h5"))

然后，我将模型加载到笔记本 A 中

loaded_model = load_model(os.path.join(DATAPATH,"res1_network.h5"))

我对它进行预测，它与以前完全相同。现在，如果我转到笔记本B并加载模型并尝试像这样预测

res1_model = load_model(os.path.join(DATAPATH,"res1_network.h5"))

res1_model.predict(pred_list, verbose=1)

我收到一系列错误

UnknownError:  Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

     [[node model_2/conv2d/Conv2D (defined at C:\Users\Dave\Miniconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\framework\ops.py:1751) ]] [Op:__inference_distributed_function_23018]

Function call stack:

distributed_function

cuDNN怎么可能在这个笔记本中不能正常工作，但在另一个笔记本中很好。如果它不起作用，我怎么能构建模型呢？

Answer 1

默认情况下，TensorFlow映射了所有GPU（源）的几乎所有GPU内存，因此可能与此相关。您可以尝试重置笔记本 A 的内核以在运行笔记本 B 之前释放该内存。或者，您可以设置该选项以仅在需要时分配更多 GPU 内存：allow_growthtf_config=tf.ConfigProto()tf_config.gpu_options.allow_growth=Truesess = tf.Session(config=tf_config)K.set_session(sess)当然，这取决于您同时运行的会话数量，总GPU内存，模型大小等。要检查当前正在使用的内存量，可以使用 。我不是Windows用户，但也许这个答案可以帮助你（我如何在Windows上运行nvidia-smi？）。nvidia-smi