首页 文章

tensorflow session.run（）在尝试根据教程代码恢复rnn模型时挂起

提问于
浏览 次
0

我一直在使用TenserFlow教程中的RNN代码：https://www.tensorflow.org/tutorials/recurrent

原始的RNN代码在这里：https://github.com/tensorflow/models/blob/master/tutorials/rnn/ptb/ptb_word_lm.py

我将经过训练的RNN模型保存为“火车模型”

if FLAGS.save_path:
    print("Saving model to %s." % FLAGS.save_path)
    sv.saver.save(session, FLAGS.save_path, global_step=sv.global_step)

现在我正在尝试恢复已保存的模型并使用它运行其他测试

with tf.name_scope("Test"):
    test_input = PTBInput(config=eval_config, data=test_data, name="TestInput")
    with tf.variable_scope("Model", reuse=None, initializer=initializer):
        mtest = PTBModel(is_training=False, config=eval_config,
                     input_=test_input)

save = tf.train.Saver()

with tf.Session() as session:
    save.restore(session, tf.train.latest_checkpoint("./"))
    test_perplexity = run_epoch(session, mtest)

似乎模型正确加载，但它挂在线上

vals = session.run(fetches, feed_dict)

在函数 run_epoch 中，当调用计算 test_perplexity 时 . CTRL-C 无法退出程序，并且GPU利用率为0％，因此很可能会阻止某些内容 .

任何帮助将不胜感激！

python tensorflow recurrent-neural-network

1 回答

  • 0

    尝试从源安装Tensorflow . 建议您使用，因为您可以为特定体系结构（GPU，CUDA，cuDNN）构建所需的Tensorflow二进制文件 .

    这甚至被提到是提高Tensorflow性能的最佳实践之一 . 检查Tensorflow performance Guide . 同一个小摘录：

    从源代码构建，针对目标硬件进行编译器优化，并确保安装最新的CUDA平台和cuDNN库，从而实现最高性能的安装 .

    当您构建Tensorflow二进制文件的配置计算能力与GPU不同时，通常会出现您提到的问题 . 但是从源代码安装它可以让您选择配置特定的Compute Capability . 检查guide for installing from source .

    回复于

相关问题