用gpu训练好的神经网络,用tensorflow-cpu跑出错的原因及解决方案
训练的时候当然用gpu，速度快呀。
我想用cpu版的tensorflow跑一下，结果报错，这个错误不太容易看懂。
大概意思是没找到一些节点。
后来发现原因，用gpu和cpu保存的pb模型不太一样，但是checkpoints文件是通用的。
使用tensorflow-cpu再把checkpoints文件重新转换一下pb文件就可以了。
完美解决！
补充：tensflow-gpu版的无数坑坑坑！（tf坑大总结）
自己的小本本，之前预装有的pycharm+win10+anaconda3+python3的环境
2019/3/24重新安装发现：目前CUDA10.1安装不了tensorflow1.13，把CUDA改为10.0即可（记得对应的cudann呀）
如果刚入坑，建议先用tensorflw学会先跑几个demo，等什么时候接受不了cpu这乌龟般的速度之时，就要开始尝试让gpu来跑了。
cpu跑tensorflow只需要在anaconda3下载。
安装cpu跑的tensorflow:
我的小本本目前已经是gpu版本，cpu版本下红圈里那个版本就好了！
安装好了后直接在python命令中输入
importtensorflowastf
如果不报错说明调用成功。
查看目前tensorflow调用的是cpu还是gpu运行：
importtensorflowastf importnumpyasnp a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a') b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b') c=tf.matmul(a,b) sess=tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))
然后把这段代码粘贴到编译器中运行，
看一下运行的结果中，调用运行的是什么
看给出的是gpu还是cpu就能判断目前运行的是哪一个了
安装gpu版本的tensorflow:
首先第一步要确定你的显卡是否为N卡，
然后上https://developer.nvidia.com/cuda-gpus去看看你的显卡是否被NVDIA允许跑机器学习
对于CUDA与cudann的安装：
需要到nvdia下载CUDA与cudann，这里最重要的是注意CUDA与cudann与tensorflow三者的搭配，
注意版本的搭配！！！
注意版本的搭配！！！
注意版本的搭配！！！
tensorflow在1.5版本以后才支持9.0以上的CUDA，所以如果CUDA版本过高，会造成找不到文件的错误。
在官网也可以看到CUDA搭配的cudann
在安装完了cudann时，需要把其三个文件复制到CUDA的目录下，并且添加3个新的path：
3个path，
当使用gpu版的tf时，就不再需要安装原来版本的tf，卸载了就好，安装tf-gpu版，
判断自己是否有安装tf包，对于pycharm用户，可以在setting那看看是否安装了tf-gpu
我使用的环境为：tf1.2+CUDA8.0+cudann5.1
当全部正确安装时
importtensorflowastf仍然出错
cudnn64_6.dll问题
关于导入TensorFlow找不到cudnn64_6.dll，其实下载的的是cudnn64_7.dll（版本不符合），把其修改过来就行了。
目录是在：C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v8.0\bin下
对于不断尝试扔失败运行GPU版本，可以把tf先删除了重新下
importtensorflowastf print(tf.__version__)
查询tensorflow安装路径为:
print(tf.__path__)
成功用GPU运行但运行自己的代码仍然报错：
如果报错原因是这个
ResourceExhaustedError(seeabovefortraceback):OOMwhenallocatingtensorwithshape[10000,28,28,32]
最后关于这个报错是因为GPU的显存不够，此时你可以看看你的代码，是训练集加载过多还是测试集加载过多，将它一次只加载一部分即可。
对于训练集banch_xs,banch_ys=mnist.train.next_batch(1000)改为
banch_xs,banch_ys=mnist.train.next_batch(100)即可，
而测试集呢print(compute_accuracy(mnist.test.images[:5000],mnist.test.labels[:5000]))改为
print(compute_accuracy(mnist.test.images,mnist.test.labels))即可
以上为个人经验，希望能给大家一个参考，也希望大家多多支持毛票票。如有错误或未考虑完全的地方，望不吝赐教。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。