InternalError: Blas GEMM launch failed 原因

最新推荐文章于 2024-07-10 09:15:00 发布

yao8130628

最新推荐文章于 2024-07-10 09:15:00 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

文章标签： python linux 深度学习

本文链接：https://blog.csdn.net/yao8130628/article/details/105517091

本文探讨了在Ubuntu16.04环境下，使用CUDA9.0、cuDNN7.05及TensorFlow-GPU1.5进行深度学习开发时，如何有效管理GPU资源，避免因资源冲突导致的程序执行失败。文章提供了限制TensorFlow GPU显存占用的方法，并分享了安装CUDA补丁的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ubuntu 16.04 + cuda 9.0 + cudnn 7.05 +tensorflow-gpu==1.5

发生原因：
(1)、由于其他pythonx程序占用了ＧＰＵ资源，导致现有程序没法分配足够的资源去执行当前程序。
(2)、tensorflow-gpu默认占用所有显存，注意在初始化 Session 的时候为其分配固定数量的显存，否则可能会在开始训练的时候直接报错退出。

解决办法：
（1）if 'session' in locals() and session is not None: print('Close interactive session') session.close()
（2）gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
per_process_gpu_memory_fraction=0.5设置占用GPU比例。

如果还未能解决：

下载cuda9.0补丁
下载地址：https://developer.nvidia.com/cuda-90-download-archive
根据自己的系统选择，我这里选择linux - x86_64 - ubuntu -16.04 - runfile(local)
需下载的四个补丁：
cuda_9.0.176.1_linux.run，cuda_9.0.176.2_linux.run，
cuda_9.0.176.3_linux.run，cuda_9.0.176.4_linux.run

sudo chmod a+x cuda_9.0.176.1_linux.run cuda_9.0.176.2_linux.run cuda_9.0.176.3_linux.run cuda_9.0.176.4_linux.run
sudo ./cuda_9.0.176.1_linux.run
sudo ./cuda_9.0.176.2_linux.run
sudo ./cuda_9.0.176.3_linux.run
sudo ./cuda_9.0.176.4_linux.run