Tensorfluss. Kernel starb beim Training. Fenster Anaconda

Question

# Import data 

    from tensorflow.examples.tutorials.mnist import input_data 
    import tensorflow as tf 

    mnist = input_data.read_data_sets('/tmp/tensorflow/mnist/input_data', one_hot=True) 

    # Create the model 

    x = tf.placeholder(tf.float32, [None, 784]) 
    W = tf.Variable(tf.zeros([784, 10])) 
    b = tf.Variable(tf.zeros([10])) 
    k = tf.matmul(x, W) + b 
    y = tf.nn.softmax(k) 
    i = 0 

    # Define loss and optimizer 

    y_ = tf.placeholder(tf.float32, [None, 10]) 
    learning_rate = 0.5 
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(k, y_)) 
    train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) 

    print ("Training") 
    sess = tf.Session() 
    init = tf.global_variables_initializer() #.run() 
    sess.run(init) 
    for _ in range(1000): 

     print(i) 
     batch_xs, batch_ys = mnist.train.next_batch(100) 
     print(i) 
     sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 
     print(i) 
     i=i+1 


    print ('b is ',sess.run(b)) 
    print('W is',sess.run(W)) 

Erklären.

Dies ist MNIST-Code mit Softmax. Das Problem tritt bei

sess.run (train_step, feed_dict = {x: batch_xs, Y_: batch_ys})

in der for-Schleife.

Nur Kernel starb und Neustart mit einer Fehlermeldung. Vielleicht ist der Code nicht das Problem, weil es gut auf anderen Kerl funktioniert.

Ich verwende Windows10 Anaconda.

Was ist das Problem?

Answer 1

Ich stieß auf ähnliche Probleme wie Ihre. Wahrscheinlich haben Sie cuda und cudnn installiert und führen Codes unter tensorflow-gpu aus.

In meinem Fall installierte ich zuerst cuda8.0 und cudnn v6.0 for cuda8.0, und bekam den Kernel starb Problem.

Dann änderte ich die cudnn Version zu cudnn v5.1 for cuda8.0 und löste dieses Problem. Jetzt arbeite ich gut mit meiner Umgebung.