成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError报错问题

问题描述：在使用TensorFlow2.2训练模型时，加入多GPU训练出现如下错误

tensorflow.python.framework.errors_impl.InvalidArgumentError: No OpKernel was registered to support Op 'NcclAllReduce' used by {{node NcclAllReduce}} with these attrs: [reduction="sum", shared_name="c1", T=DT_FLOAT, num_devices=2]
Registered devices: [CPU, GPU, XLA_CPU, XLA_GPU]
Registered kernels:<no registered kernels>[[NcclAllReduce]] [Op:__inference_train_function_81214]

这个错误是发生在使用多个GPU进行并行训练的时候，使用单个GPU训练的时候并没有报错。

运行环境：

训练的模型yolox
系统：Win10
tensorflow-gpu版本：2.2.0
使用2张GPU

报错原因:
MirroredStrategy默认使用NCCL进行跨设备通信，而NCCL在Windows上不可用，也就是说这种默认的多GPU分布式训练模式不支持win系统；所以需要修改多GPU训练模式。

解决问题：
Ctrl+F，在train.py文件中检索‘strategy’关键词，发现如下

 if ngpus_per_node > 1:strategy = tf.distribute.MirroredStrategy( )else:strategy = Noneprint('Number of devices: {}'.format(ngpus_per_node))

添加训练模式如下：

 if ngpus_per_node > 1:strategy = tf.distribute.MirroredStrategy(devices=["/gpu:0", "/gpu:1"], cross_device_ops=tf.distribute.HierarchicalCopyAllReduce())else:strategy = Noneprint('Number of devices: {}'.format(ngpus_per_node))

错误消失，模型成功开始训练了！

不容易啊，排查了整整一上午，记录一下！！网上的介绍没有明确说怎么修改，完全知不道怎么改，后来仔细读了下面的GPU分布式训练才改对。

参考网页：多GPU分布式训练；错误问题原因。

成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError报错问题相关推荐

成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError: slice index 1 of dimension 0 out o
成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError: slice index 1 of dimension 0 out o ...
成功解决tensorflow.python.framework.errors_impl.NotFoundError: FindFirstFile failed for: ../checkpoints
成功解决tensorflow.python.framework.errors_impl.NotFoundError: FindFirstFile failed for: ../checkpoints ...
解决tensorflow.python.framework.errors_impl.InvalidArgumentError: indices[0,32] = -1 is not in [0, 50)
今晚遇到了一个很神奇的问题,在tensorflow embedding过程中: File "/root/Handwriting/Diffusion-Handwriting-Generatio ...
tensorflow.python.framework.errors_impl.InvalidArgumentError exception str() failed解决办法
项目场景: 这几天使用python2.7+tensorflow1.8写目标提取及情感分析的模型.因为参考的论文模型代码是这个环境,不得已使用了tensorflow1.8, tensorflow1.8很 ...
GAN实验错误记录——tensorflow.python.framework.errors_impl.InvalidArgumentError
报错提示 tensorflow.python.framework.errors_impl.InvalidArgumentError: Assign requires shapes of both te ...
tensorflow.python.framework.errors_impl.InvalidArgumentError: 2 root error(s) found.
nohup python train_rcnn.py & 进行目标检测模型的训练,绝大部分情况下开始甚至好一段时间都OK, 可是,,,, 训练过程中,有时候训练刚开始,有时候训练经过了几个小时 ...
Debug Tensorflow: tensorflow.python.framework.errors_impl.InvalidArgumentError: OpKernel ‘ConcatV2‘
环境 Ubuntu 18.04 Tensorflow-gpu 2.4 报错 Traceback (most recent call last):File "nn/cnn.py", ...
tensorflow.python.framework.errors_impl.InvalidArgumentError 0 successful operations.0 derived erro
问题如下图所示,可能每个人遇到的问题有所差异,但基本都是tensorflow.python.framework.errors_impl.InvalidArgumentError.查了好久,还是没能解决 ...
python错误tensorflow.python.framework.errors_impl.InvalidArgumentError Assign requires shapes of both
python 错误tensorflow.python.framework.errors_impl.InvalidArgumentError: Assign requires shapes of bot ...

成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError报错问题

成功解决tensorflow.python.framework.errors_impl.InvalidArgumentError报错问题相关推荐

最新文章

热门文章