就我而言，我打开了2个python控制台，都使用keras / tensorflow。当我关闭旧控制台（前一天忘记了）时，一切开始正常工作。
因此，最好检查一下是否没有多个控制台/进程占用GPU。
TensorFlow：InternalError：Blas SGEMM启动失败
tensorflow
12
0共 7 个回答
高赞
时间
活跃
0
收藏
2020-05-29 21:14:37 更新
安甜• 710
评论 0
我遇到了此问题，并通过设置allow_soft_placement=True和gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3) ，该问题专门定义了已使用的GPU内存gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3) 。我想这有助于避免两个张量流进程争夺GPU内存。
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3)
sess = tf.Session(config=tf.ConfigProto(
allow_soft_placement=True, log_device_placement=True))
2020-05-29 21:14:32 更新
Bernie Saul• 639
评论 0
运行Tensorflow Distributed时出现此错误。您是否检查了是否有任何工人正在报告CUDA_OUT_OF_MEMORY错误？如果是这种情况，则可能与放置权重和偏差变量的位置有关。例如
with tf.device("/job:paramserver/task:0/cpu:0"):
W = weight_variable([input_units, num_hidden_units])
b = bias_variable([num_hidden_units])
2020-05-29 21:14:27 更新
谈胤文• 678
评论 0
我的环境是Python 3.5，Tensorflow 0.12和Windows 10（无Docker）。我正在用CPU和GPU训练神经网络。我遇到相同的错误InternalError: Blas SGEMM launch failed每当在GPU中进行训练时， InternalError: Blas SGEMM launch failed都会InternalError: Blas SGEMM launch failed 。
我找不到发生此错误的原因，但是我通过避免tensorflow函数tensorflow.contrib.slim.one_hot_encoding()设法在GPU中运行代码。相反，我在numpy（输入和输出变量）中进行了一次热编码操作。
以下代码重现该错误和修复程序。这是使用梯度下降学习y = x ** 2函数的最小设置。
import numpy as np
import tensorflow as tf
import tensorflow.contrib.slim as slim
def test_one_hot_encoding_using_tf():
# This function raises the "InternalError: Blas SGEMM launch failed" when run in the GPU
# Initialize
tf.reset_default_graph()
input_size = 10
output_size = 100
input_holder = tf.placeholder(shape=[1], dtype=tf.int32, name='input')
output_holder = tf.placeholder(shape=[1], dtype=tf.int32, name='output')
# Define network
input_oh = slim.one_hot_encoding(input_holder, input_size)
output_oh = slim.one_hot_encoding(output_holder, output_size)
W1 = tf.Variable(tf.random_uniform([input_size, output_size], 0, 0.01))
output_v = tf.matmul(input_oh, W1)
output_v = tf.reshape(output_v, [-1])
# Define updates
loss = tf.reduce_sum(tf.square(output_oh - output_v))
trainer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
update_model = trainer.minimize(loss)
# Optimize
init = tf.initialize_all_variables()
steps = 1000
# Force CPU/GPU
config = tf.ConfigProto(
# device_count={'GPU': 0} # uncomment this line to force CPU
)
# Launch the tensorflow graph
with tf.Session(config=config) as sess:
sess.run(init)
for step_i in range(steps):
# Get sample
x = np.random.randint(0, 10)
y = np.power(x, 2).astype('int32')
# Update
_, l = sess.run([update_model, loss], feed_dict={input_holder: [x], output_holder: [y]})
# Check model
print('Final loss: %f' % l)
def test_one_hot_encoding_no_tf():
# This function does not raise the "InternalError: Blas SGEMM launch failed" when run in the GPU
def oh_encoding(label, num_classes):
return np.identity(num_classes)[label:label + 1].astype('int32')
# Initialize
tf.reset_default_graph()
input_size = 10
output_size = 100
input_holder = tf.placeholder(shape=[1, input_size], dtype=tf.float32, name='input')
output_holder = tf.placeholder(shape=[1, output_size], dtype=tf.float32, name='output')
# Define network
W1 = tf.Variable(tf.random_uniform([input_size, output_size], 0, 0.01))
output_v = tf.matmul(input_holder, W1)
output_v = tf.reshape(output_v, [-1])
# Define updates
loss = tf.reduce_sum(tf.square(output_holder - output_v))
trainer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
update_model = trainer.minimize(loss)
# Optimize
init = tf.initialize_all_variables()
steps = 1000
# Force CPU/GPU
config = tf.ConfigProto(
# device_count={'GPU': 0} # uncomment this line to force CPU
)
# Launch the tensorflow graph
with tf.Session(config=config) as sess:
sess.run(init)
for step_i in range(steps):
# Get sample
x = np.random.randint(0, 10)
y = np.power(x, 2).astype('int32')
# One hot encoding
x = oh_encoding(x, 10)
y = oh_encoding(y, 100)
# Update
_, l = sess.run([update_model, loss], feed_dict={input_holder: x, output_holder: y})
# Check model
print('Final loss: %f' % l)
2020-05-29 21:14:19 更新
殷采春• 706
评论 0
我关闭了所有其他正在运行的Jupyter Session，这解决了问题。我认为这是GPU内存问题。
收藏
2020-05-29 21:14:14 更新
昂芸馨• 669
评论 0
如果您使用的是Linux，则可能无法完全释放gpu，请尝试使用“ ps -ef | grep python”查看使用GPU的作业。然后杀死他们
收藏
2020-05-29 21:14:08 更新
Rosemary Ruskin• 644
评论 0
旧问题，但可能会帮助其他人。
尝试关闭在其他进程中处于活动状态的交互式会话（如果使用IPython Notebook-只需重新启动内核）。这对我有帮助！
此外，在实验过程中，我使用以下代码关闭了该内核中的本地会话：
if 'session' in locals() and session is not None:
print('Close interactive session')
session.close()
2020-05-29 21:14:03 更新
花飞英• 621
评论 新手导航
社区规范
提出问题
进行投票
个人资料
优化问题
回答问题
关于我们
常见问题
内容许可
联系我们
0
当我运行
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})我收到InternalError: Blas SGEMM launch failed。这是完整的错误和堆栈跟踪：堆栈：EC2 g2.8xlarge机器，Ubuntu 14.04