4

根据 tensorflow 团队的建议，我已经习惯了 tensorflow 对 tf.keras 的急切执行。然而，每当我训练一个模型时，我都会收到一个警告（编辑：实际上，我收到这个警告重复了很多次，每个训练步骤不止一次，淹没了我的标准输出）：

E tensorflow/core/common_runtime/bfc_allocator.cc:373] tried to deallocate nullptr

该警告似乎不会影响培训的质量，但我想知道它的含义以及是否有可能摆脱它。

我使用在 CPU 上运行 python 3.7 和 tensorflow 1.12 的 conda 虚拟环境。（编辑：使用 python 3.6 进行的测试给出了相同的结果。）下面是重现警告的最小代码。有趣的是，可以评论 tf.enable_eager_execution() 行并看到警告消失。

import numpy as np
import tensorflow as tf

tf.enable_eager_execution()
N_EPOCHS = 50
N_TRN = 10000
N_VLD = 1000

# the label is positive if the input is a number larger than 0.5
# a little noise is added, just for fun
x_trn = np.random.random(N_TRN)
x_vld = np.random.random(N_VLD)
y_trn = ((x_trn + np.random.random(N_TRN) * 0.02) > 0.5).astype(float)
y_vld = ((x_vld + np.random.random(N_VLD) * 0.02) > 0.5).astype(float)

# a simple logistic regression
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1, input_dim=1))
model.add(tf.keras.layers.Activation('sigmoid'))

model.compile(
    optimizer=tf.train.AdamOptimizer(),
    # optimizer=tf.keras.optimizers.Adam(),  # doesn't work at all with tf eager execution
    loss='binary_crossentropy',
    metrics=['accuracy']
)

# Train model on dataset
model.fit(
    x_trn, y_trn,
    epochs=N_EPOCHS,
    validation_data=(x_vld, y_vld),
)
model.summary()
4

1 回答 1

1

快速解决方案：

  • 当我在 TF 1.11 中运行相同的脚本时，它没有出现，同时执行优化以在合成数据集上达到相同的最终验证精度。

    或者

  • 使用本机 os 模块（改编自https://stackoverflow.com/a/38645250/2374160）抑制错误/警告。IE; 通过将 Tensorflow 日志记录环境变量设置为不显示任何错误消息。

      import os
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
  import tensorflow as tf

更多信息：

  • 以正确的方式解决此错误可能需要熟悉 MKL 库调用及其在用 C 编写的 Tensorflow 上的接口（这超出了我目前的 TF 专业知识）

  • 就我而言，每当调用优化器的apply_gradients()方法时，都会发生此内存释放错误 。在您的脚本中，当模型适合训练数据时调用它。

  • 从这里引发此错误：tensorflow/core/common_runtime/mkl_cpu_allocator.h

我希望这有助于作为方便的临时解决方案。

于 2019-02-20T01:44:03.583 回答