Il existe deux causes possibles de chute du TensorFlow lorsqu'il est allumé sur le GPU.
2 a été discuté dans la récente communauté TensorFlow 2 </ sup>. Dans de nombreux cas, il y avait un problème du côté du conducteur, mais il semble qu'il puisse chuter en raison d'une sortie insuffisante du bloc d'alimentation.
Les mises à jour de pilotes sont souvent un foyer de problèmes. Le côté nvidia n'est pas non plus très efficace pour gérer les problèmes causés par les mises à jour des pilotes. (Surtout si le joueur souffre d'un désavantage, nous ne pouvons pas nous attendre à ce que le pilote soit réparé immédiatement)
Par conséquent, il peut être préférable de soupçonner que 2 est la cause avant 1.
Selon la version du pilote nvidia, le système peut planter.
Veuillez mettre à jour le pilote nvidia.
En raison d'une puissance de sortie insuffisante, le GPU peut ne pas être alimenté suffisamment et l'ensemble du système peut tomber en panne.
Remplacez le bloc d'alimentation par un bloc de sortie plus élevé.
Utilisez la commande nvidia-smi pour définir une limite supérieure de consommation électrique côté GPU.
Par exemple, dans TITAN X, qui est à l'origine de 250 W, si vous souhaitez limiter la limite de puissance à 150 W, exécutez la commande suivante.
$ sudo nvidia-smi --power-limit=150
Cependant, l'endroit où définir la limite supérieure pour fonctionner normalement dépend du modèle.
De plus, la définition d'une limite de puissance signifie que les fonctions du GPU sont limitées et que les performances d'origine ne peuvent pas être atteintes.
Fondamentalement, il est recommandé de remplacer le bloc d'alimentation par un bloc de sortie plus élevé.
1 http://suprsonicjetboy.hatenablog.com/entry/2017/04/23/194959 2 https://github.com/tensorflow/tensorflow/issues/8858
Recommended Posts