pip安装tensorflow-gpu
在Python目录\Lib\site-packages\tensorflow\python\platform\build_info.py中有tensorflow对应的NV软件版本号
需下载对应版本号安装,否则import报错.
可在github上查看release文档对应的版本号,安装特定版本pip install tensorflow==1.2.0
cuda9.0下载地址
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN7.0下载地址,需要注册nv账号
https://developer.nvidia.com/rdp/cudnn-archive
下载解压之后把三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，然后不要忘了在环境变量中的用户变量中的Path中添加“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”
卸载参考:
https://blog.csdn.net/shuiyuejihua/article/details/78738664
CUDA 9.0安装失败解决方法：https://blog.csdn.net/zzpong/article/details/80282814
PSSecurityException之PowerShell权限设置
Windows下PowerShell默认的权限级别是Restricted，不允许执行PS脚本（即.ps1文件）。如果在Restricted权限级别下运行，会得到错误信息：
| .\XXXX.ps1 : File XXXX.ps1 cannot be loaded because running scripts is disabled on this system. For more information, see about_Execution_Policies at http://go.microsoft.com/fwlink/?LinkID=135170. At line:1 char:1 + .\XXXX.ps1 params[] ... + ~~~~~~~~~~~~~~~~~~~~ + CategoryInfo : SecurityError: (:) [], PSSecurityException + FullyQualifiedErrorId : UnauthorizedAccess |
要解决这类问题，通常的做法是，用管理员权限启动PS命令行，将执行权限修改为RemoteSigned或者Unrestricted：
Set-ExecutionPolicy RemoteSigned
到这里，一般就可以解决大多数情况下的问题。
但是，有的时候会发现有的PS脚本还是会抛出上面的错误。如果你的系统是64位的Windows，那么有可能你执行脚本是调用的powershell.exe并不是你改过权限的那一个。从下面两个位置下运行powershell并查看权限设置：
- C:\Windows\System32\WindowsPowerShell\v1.0
- C:\Windows\SystemWoW64\WindowsPowerShell\v1.0
Get-ExecutionPolicy如果有Restricted将其改为RemoteSigned或者Unrestricted。
运行:
cli.py中有运行参数命令
报错:
tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[32768,512] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc
[[Node: training/Adam/mul_32 = Mul[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"](training/Adam/sub_14, training/Adam/gradients/model_1/dense_1/MatMul_grad/MatMul_1)]]
查询资料应该是GPU RAM不够 730为2G
使用Model_LowMem,修改model.py中的:
ENCODER_DIM = 256
def Encoder(self):
input_ = Input(shape=IMAGE_SHAPE)
x = input_
x = self.conv(128)(x)
x = self.conv(256)(x)
#x = self.conv(512)(x)
x = Dense(ENCODER_DIM)(Flatten()(x))
x = Dense(4 * 4 * 512)(x)
x = Reshape((4, 4, 512))(x)
x = self.upscale(512)(x)
return KerasModel(input_, x)
之后不报错.