Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
وچود اشکال در استفاده از تنسور فلو در لینوکس - پرسش و پاسخ یادگیری عمیق
به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام
در زمان اجرای کد بر روی سیستم یک سری خروجی دارم

2018-08-04 13:12:30.351166: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2018-08-04 13:12:30.351211: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2018-08-04 13:12:31.106533: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:893] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-08-04 13:12:31.106824: I tensorflow/core/common_runtime/gpu/gpu_device.cc:940] Found device 0 with properties: 
name: Tesla K20Xm
major: 3 minor: 5 memoryClockRate (GHz) 0.732
pciBusID 0000:08:00.0
Total memory: 6.00GiB
Free memory: 5.92GiB
2018-08-04 13:12:31.106845: I tensorflow/core/common_runtime/gpu/gpu_device.cc:961] DMA: 0 
2018-08-04 13:12:31.106854: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   Y 
2018-08-04 13:12:31.106871: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Tesla K20Xm, pci bus id: 0000:08:00.0)
2018-08-04 13:13:02.646601: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:247] PoolAllocator: After 962119 get requests, put_count=362959 evicted_count=1000 eviction_rate=0.00275513 and unsatisfied allocation rate=0.623894
2018-08-04 13:13:02.646653: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:259] Raising pool_size_limit_ from 100 to 110
2018-08-04 13:13:03.325855: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:247] PoolAllocator: After 16016 get requests, put_count=26026 evicted_count=10000 eviction_rate=0.384231 and unsatisfied allocation rate=0
2018-08-04 13:13:04.022693: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:247] PoolAllocator: After 32016 get requests, put_count=52026 evicted_count=20000 eviction_rate=0.38442

این مشکل چجوری باید رفع کنم تا سیستم سریع تر بشه
چون کدم با یه سی پی یو خیلی خیلی سریع تر این سیتم ران می شود
با تشکر

توسط (102 امتیاز)

1 پاسخ

0 امتیاز

سلام
کدم با یه سی پی یو خیلی خیلی سریع تر این سیتم ران می شود!!!
بهر حال نسخه تنسورفلوی بدون ساپورات gpu رو نصب کنید.

توسط (830 امتیاز)
سلام
من بخاطر این مشکل سوال کردم و راهنمایی خواستم
هر اپوک من با سی پی یو یک ساعت طول میکشه با این سیستم gpu 30 ساعت!!!!!
دلیلش نمیدونم چیه، خروجی سیستم گذاشتم تا اگه کسی اطلاعاتی داره راهنمایی کنه
با تشکر
سلام - اگه سیستم تون چه در حالت cpu و چه در حالت gpu درست کانفیگ شده باشند. و در این صورت شما شرعت کمتری روی gpu میگیرید ممکن است به دلیل حجم زیاد تبادل دیتا بین gpu و هارد کامپیوترتون باشه. مخصوصا در حالتی که شبکه شما حجم محاسبات خیلی کمی داشته باشه. یعنی کلی زمان صرف میشه تا دیتا وارد gpu بشه بعد یه محاسبات سبکی روش انجام میشه و دوباره نیاز به دیتای جدید داره. در این حالت gpu کارایی خودشو از دست میده. و بهتر کدتون رو روی همون cpu  اجراش کنید. من خودم به اینجور حالتی برخوردم که با وجود gpu ترجیح دادم رو cpu  ران کنم که سرعت بیشتری داشته. البته نه با اختلاف 30 برابری!!!
سلام
چون با cpu یک ساعت طول میکشه بازم خیلی زیاده که بخوام کلا روی cpu  ران کنم من روی lstm دارم کار میکنم و تعداد اپوک هام زیاد باید باشه احتمالا تا جواب خوبی بگیرم
کل دیتام یک گیگ هم حجم نداره،اما هر نمونه که واسه اموزش استفاده میکنم 60000 تایم استپش هست تعداد تایم استپ هم کم کردم اما خیلی فرق نکرد. نمیدونم باید چیکار کنم
با تشکر
...