TensorFlow 2.3 GPU - InvalidArgumentError : assertion failed: [0] [Op:Assert] name: EagerVariableNameReuse-6ren

TensorFlow 2.3 GPU - InvalidArgumentError : assertion failed: [0] [Op:Assert] name: EagerVariableNameReuse

转载作者：行者123 更新时间：2023-12-04 15:17:22

27

4

环境:

window 8.1 64 位 python 3.7.7 64 位 tensorflow 2.3喀拉斯 2.4

CUDA:10.1CuDNN:7

错误:InvalidArgumentError:断言失败:[0] [Op:Assert] 名称:EagerVariableNameReuse。

问题:在 GPU 执行时的简单语句 model = Sequential() 中出现上述错误

但如果我在没有 GPU 的情况下运行脚本(不设置 CUDA/CuDnn 环境变量，它会按预期工作。

如此有效，我有一个 GPU，但不能与 TensorFlow(2.3) 一起使用

有人可以帮忙吗？

最佳答案

据我所知，这个问题出现在以下致命组合中。

Windows 操作系统
tensorflow 2.3.x

我一直在努力解决这个问题，直到最近才弄明白。

最简单的修复

最简单的解决方案是使用 TensorFlow 2.4.0rcx。它仍处于预发布阶段。但是没有给我上述问题。所以，

pip uninstall tensorflow
pip install tensorflow==2.4.0rc0

如果你想继续使用 TF 2.3.x 的解决方案

如果您真的坚持使用 TensorFlow 2.3.x，那么唯一的解决方案似乎是，

试用基于 Linux 的操作系统 (Ubuntu)
从源代码编译 TensorFlow(根据 this helpful 评论)

关于TensorFlow 2.3 GPU - InvalidArgumentError : assertion failed: [0] [Op:Assert] name: EagerVariableNameReuse，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/64066041/

27

4

0

文章推荐： apache-spark - 优化从 s3 存储桶中的分区 Parquet 文件读取

文章推荐： azure-devops - 在 Azure DevOps 中设置共享查询权限

文章推荐： Flutter 将文本添加到 TextField Controller 中

文章推荐： ggplot 的 R Shiny Interactive 绘图标题

gpu - 如果有多个 GPU，哪一个 GPU 会实际渲染到所有显示器？
谁能解释或指出在多 GPU/多显示器设置中渲染如何工作的解释(或至少一些线索)？例如，我安装了 5 个 NVIDIA Quadro 4000 视频卡并连接了 9 个显示器。显示不进行任何分组。刚刚在
gpu - Spacy + GPU 给出错误 : GPU is not accessible. 库是否安装正确？
以下代码报错: import spacy spacy.require_gpu() Traceback (most recent call last): File "/home/user/Pycha
gpu - 为什么深度学习需要 GPU？
正如问题已经暗示的那样，我是深度学习的新手。我知道模型的学习过程在没有 GPU 的情况下会很慢。如果我愿意等待，如果我只使用CPU可以吗？最佳答案在计算深度学习(以及一般的神经网络)中执行的许多操
gpu - 渲染脚本和 GPU
我知道 Renderscript 的设计是为了掩盖我正在运行的处理器的事实，但是有没有办法编写代码，以便在支持 GPU 计算的设备(目前是 Nexus 10)上运行显卡？有什么方法可以判断脚本的功能正
gpu - GPU 编程简介
关闭。这个问题是opinion-based 。目前不接受答案。想要改进这个问题吗？更新问题，以便 editing this post 可以用事实和引文来回答它。 . 已关闭 8 年前。 Improv
gpu - 找一个有足够显存的 GPU
我想以编程方式找出可用的 GPU 及其当前内存使用情况，并根据内存可用性使用其中一个 GPU。我想在 PyTorch 中执行此操作。我在这个 post 中看到了以下解决方案: import torc
gpu - 类似于 GPU Gems 系列的实际 GPU 技术摘要
我喜欢 GPU Gems 的结构化技术摘要。但是自上次发布以来已经过去了很长时间，应该开发新算法来处理新型硬件。我可以阅读有关最近 GPU 技术成就的哪些信息？潜伏在编程板上是唯一的方法吗？最佳
gpu - CPU->GPU 传输 vs GPU->CPU 传输
我一直在做一些关于测量数据传输延迟的实验 CPU->GPU 和 GPU->CPU。我发现对于特定消息大小，CPU->GPU 数据传输速率几乎是 GPU->CPU 传输速率的两倍。谁能解释我为什么会这样
gpu - 如何在多 GPU 节点上获取分配给 SLURM 作业的 GPU ID？
当我使用选项 --gres=gpu:1 向具有两个 GPU 的节点提交 SLURM 作业时，如何获取为该作业分配的 GPU ID？是否有用于此目的的环境变量？我使用的 GPU 都是 nvidia GP
gpu - matmul 上 GPU 的 Tensorflow 问题。无法识别 GPU
我用 gpu、cuda 7.0 和 cudnn 6.5 安装了 tensorflow。当我导入 tensorflow 时，它运行良好。我正在尝试在 Tensorflow 上运行一个简单的矩阵乘法，但
gpu - 如何为每个任务设置 1 个 gpu 的 slurm/salloc 但让作业使用多个 gpu？
我们正在寻找有关 slurm salloc gpu 分配的一些建议。目前，给定: % salloc -n 4 -c 2 -gres=gpu:1 % srun env | grep CUDA CUD
python - tensorflow-gpu 库是否自动在 GPU 上运行 tensorflow 代码(非 GPU)？
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
python - tensorflow-gpu 库是否自动在 GPU 上运行 tensorflow 代码(非 GPU)？
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
gpu - 在两个不同的 GPU 上运行相同的深度学习代码时会出现非常奇怪的行为
我正在使用 pytorch 框架训练网络。我的电脑里有 K40 GPU。上周，我在同一台计算机上添加了 1080。在我的第一个实验中，我在两个 GPU 上观察到相同的结果。然后，我在两个 GPU 上
gpu - Slurm 超额订阅 GPU
有没有办法在 Slurm 上超额订阅 GPU，即运行共享一个 GPU 的多个作业/作业步骤？我们只找到了超额订阅 CPU 和内存的方法，但没有找到 GPU。我们希望在同一 GPU 上并行运行多个作业
gpu - 重置单个 GPU 的内存使用情况
我可以访问 4 个 GPU(不是 root 用户)。其中一个 GPU(2 号)表现怪异，它们的一些内存被阻塞但功耗和温度非常低(好像没有任何东西在上面运行)。请参阅下图中 nvidia-smi 的详细
gpu - Tensorflow 不使用 GPU
我正在尝试通过 Tensorflow 运行示例 seq2seq，但它不会使用 GPU。以下是我在带有 Tesla K20x 的 Linux 系统上安装 Tensorflow 所采取的步骤 git cl
gpu - 用于科学计算的 GPU 精度
一位电气工程师最近提醒我不要使用 GPU 进行科学计算(例如，在精度非常重要的地方)，因为没有像 CPU 那样的硬件保护措施。这是真的吗？如果是的话，典型硬件中的问题有多普遍/严重？最佳答案实际上
gpu - 是否有等效的任务管理器可以显示 GPU 使用历史？
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
gpu - 如何有效利用 GPU 进行强化学习？
最近我研究了强化学习，有一个问题困扰着我，我找不到答案:如何使用 GPU 有效地完成训练？据我所知，需要与环境持续交互，这对我来说似乎是一个巨大的瓶颈，因为这项任务通常是非数学的/不可并行化的。然而，

首页

博学

6Ren·AI

商城