首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >采用NVIDIA SLI的TensorFlow容器中的图形处理器内存

问采用NVIDIA SLI的TensorFlow容器中的图形处理器内存
EN

Stack Overflow用户
提问于 2020-04-30 17:29:07
回答 1查看 352关注 0票数 0

我已经用两个RTX 2070 SUPER NVIDIA GPU构建了一台机器学习计算机,该GPU连接到Windows操作系统的SLI Bridge (在NVIDIA控制面板中验证了SLI)。

我已经使用http://ai-benchmark.com/alpha对系统进行了基准测试,并获得了令人印象深刻的结果。

为了充分利用使用GPU完成科学任务(cuDF)的库,我创建了一个TensorFlow Linux容器:

https://www.tensorflow.org/install/docker

使用“latest-gpu-py3-jupyter”标签。

然后,我将PyCharm连接到此容器,并将其解释器配置为同一项目的解释器(我将宿主项目文件夹挂载到容器中)。

当我在容器上运行相同的基准测试时,我得到了错误:

代码语言:javascript
复制
tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[50,56,56,144] and type float on /job:localhost/replica:0/task:0/device:CPU:0 by allocator cpu
     [[node MobilenetV2/expanded_conv_2/depthwise/BatchNorm/FusedBatchNorm (defined at usr/local/lib/python3.6/dist-packages/ai_benchmark/utils.py:238) ]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

此错误与容器内的GPU内存耗尽有关。

为什么windows主机上的GPU计算成功,而Linux容器上的GPU耗尽内存?

是什么造成了这种不同?这与容器中的内存分配有关吗?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-05-07 04:54:19

Here is an awesome link from docker.com that explains why your desired workflow won't work.它也不能和RAPIDS cudf一起工作。Docker Desktop使用Hyper V工作,Hyper V隔离了硬件,并且不能像Linux驱动程序期望的那样访问GPU。此外,nvidia-docker仅适用于linux

我可以告诉你,RAPIDS (cudf)目前也不支持这个实现。然而,Windows在Linux主机上运行得更好。对于tensorflow和cudf,我强烈建议您使用(或双引导)一个推荐的OSes作为您的主机操作系统,可以在这里找到:https://rapids.ai/start.html#prerequisites。如果您的工作流中需要Windows,您可以在Linux主机上运行它。

在未来,WSL版本将允许您在Windows上运行RAPIDS,让您自己在Windows上创建解决方案。

希望这能有所帮助!

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/61520198

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档