python – nvidia-docker中的TensorFlow：对cuInit的调用失败：C

发布时间：2020-12-20 13:17:46 所属栏目：Python 来源：网络整理

导读：我一直致力于使用依赖于TensorFlow的应用程序作为具有nvidia-docker的docker容器.我已经在tensorflow / tensorflow：latest-gpu-py3图像上编译了我的应用程序.我用以下命令运行我的docker容器： sudo nvidia-docker run -d -p 9090：9090 -v / src / weights

我一直致力于使用依赖于TensorFlow的应用程序作为具有nvidia-docker的docker容器.我已经在tensorflow / tensorflow：latest-gpu-py3图像上编译了我的应用程序.我用以下命令运行我的docker容器：

sudo nvidia-docker run -d -p 9090：9090 -v / src / weights：/ weights myname / myrepo：mylabel

通过portainer查看日志时,我看到以下内容：

2017-05-16 03:41:47.715682: 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.
2017-05-16 03:41:47.715896: 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.
2017-05-16 03:41:47.715948: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions,but these are available on your machine and could speed up CPU computations.
2017-05-16 03:41:47.715978: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions,but these are available on your machine and could speed up CPU computations.
2017-05-16 03:41:47.716002: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions,but these are available on your machine and could speed up CPU computations.
2017-05-16 03:41:47.718076: E tensorflow/stream_executor/cuda/cuda_driver.cc:405] failed call to cuInit: CUDA_ERROR_UNKNOWN
2017-05-16 03:41:47.718177: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:158] retrieving CUDA diagnostic information for host: 1e22bdaf82f1
2017-05-16 03:41:47.718216: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:165] hostname: 1e22bdaf82f1
2017-05-16 03:41:47.718298: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:189] libcuda reported version is: 367.57.0
2017-05-16 03:41:47.718398: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:369] driver version file contents: """NVRM version: NVIDIA UNIX x86_64 Kernel Module  367.57  Mon Oct  3 20:37:01 PDT 2016
GCC version:  gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.3) 
"""
2017-05-16 03:41:47.718455: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:193] kernel reported version is: 367.57.0
2017-05-16 03:41:47.718484: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:300] kernel version seems to match DSO: 367.57.0

容器看起来似乎正常启动,我的应用程序似乎确实在运行.当我向它发送请求以进行预测时,预测会正确返回 – 但是当我在CPU上运行推断时,我会期望以较慢的速度运行,所以我认为很明显GPU由于某种原因没有被使用.我也试过在同一个容器中运行nvidia-smi,以确保它看到我的GPU,这些是结果：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.57                 Driver Version: 367.57                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GRID K1             Off  | 0000:00:07.0     Off |                  N/A |
| N/A   28C    P8     7W /  31W |     25MiB /  4036MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

我当然不是这方面的专家 – 但看起来GPU从容器内部可见.有关如何使用TensorFlow的任何想法？

解决方法

我在我的ubuntu16.04桌面上运行tensorflow.

我用GPU运行代码的工作很好.但是今天我找不到带有以下代码的gpu设备

导入张量流为tf
从tensorflow.python.client导入device_lib作为_device_lib
使用tf.Session()作为sess：
????local_device_protos = _device_lib.list_local_devices()
????打印(local_device_protos)
????[local_device_protos中x的print(x.name)]

当我运行tf.Session()时,我意识到以下问题

cuda_driver.cc:406] failed call to cuInit: CUDA_ERROR_UNKNOWN

我在系统详细信息中检查了我的Nvidia驱动程序,并检查了驱动程序,cuda和cudnn的nvcc -V,nvida-smi.一切似乎都很好.

然后我去了附加驱动程序检查驱动程序的详细信息,在那里我发现有很多版本的NVIDIA驱动程序和最新版本被选中.但是当我第一次安装驱动程序时,只有一个.

所以我选择旧版本,并应用change.

enter image description here

然后我运行tf.Session()问题也在这里.我想我应该重新启动计算机,重新启动后,这个问题就消失了.

sess = tf.Session()2018-07-01 12：02：41.336648：I tensorflow / core / platform / cpu_feature_guard.cc：140]您的CPU支持未编译此TensorFlow二进制文件的指令：AVX2 FMA2018-07-01 12：02：41.464166：I tensorflow / stream_executor / cuda / cuda_gpu_executor.cc：898]从SysFS读取的成功NUMA节点具有负值(-1),但必须至少有一个NUMA节点,因此返回NUMA节点零2018-07-01 12：02：41.464482：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1356]找到具有属性的设备0：名称：GeForce GTX 1070主要：6个未成年人：1个memoryClockRate(GHz)：1.8225pciBusID：0000：01：00.0totalMemory：7.93GiB freeMemory：7.27GiB2018-07-01 12：02：41.464494：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1435]添加可见的gpu设备：02018-07-01 12：02：42.308689：I tensorflow / core / common_runtime / gpu / gpu_device.cc：923]具有强度1边缘矩阵的设备互连StreamExecutor：2018-07-01 12：02：42.308721：I tensorflow / core / common_runtime / gpu / gpu_device.cc：929] 02018-07-01 12：02：42.308729：I tensorflow / core / common_runtime / gpu / gpu_device.cc：942] 0：N2018-07-01 12：02：42.309686：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1053]创建TensorFlow设备(/ job：localhost / replica：0 / task：0 / device：GPU：0 with 7022 MB存储器) – >物理GPU(设备：0,名称：GeForce GTX 1070,pci总线ID：0000：01：00.0,计算能力：

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!