Traitement de Impossible de créer un handle cudnn: CUDNN_STATUS_INTERNAL_ERROR dans Tensorflow v2.x

environnement

version

• Tensorflow: 2.1.0
• Ubuntu: 18.04
• python: 3.6.8
• CUDA: 10.0.130
• cuDNN: 7.6.5

Cause

Problème d'allocation de mémoire du GPU Tensorflow. je pense que

Faire face

Si vous limitez l'allocation de mémoire avec le code suivant

gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
  # Restrict TensorFlow to only use the first GPU
  try:
    tf.config.experimental.set_visible_devices(gpus[0], 'GPU')
    logical_gpus = tf.config.experimental.list_logical_devices('GPU')
    print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
  except RuntimeError as e:
    # Visible devices must be set before GPUs have been initialized
    print(e)

Il a été guéri en changeant à ↓ ci-dessous.

gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
  try:
    # Currently, memory growth needs to be the same across GPUs
    for gpu in gpus:
      tf.config.experimental.set_memory_growth(gpu, True)
    logical_gpus = tf.config.experimental.list_logical_devices('GPU')
    print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
  except RuntimeError as e:
    # Memory growth must be set before GPUs have been initialized
    print(e)

Détails (document officiel de Tensorflow)

autre

--Exécution de la commande: Gestion des erreurs [Impossible de créer le descripteur cudnn: CUDNN_STATUS_INTERNAL_ERROR] --TF1 series: Que faire si vous obtenez une erreur indiquant Impossible de créer le handle de cudnn: CUDNN_STATUS_INTERNAL_ERROR dans TensorFlow