TensorFlow：InternalError：Blas SGEMMの起動に失敗しました
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})を実行すると、InternalError: Blas SGEMM launch failedが返されます。完全なエラーとスタックトレースは次のとおりです。
InternalErrorTraceback (most recent call last)
<ipython-input-9-a3261a02bdce> in <module>()
1 batch_xs, batch_ys = mnist.train.next_batch(100)
----> 2 sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in run(self, fetches, feed_dict, options, run_metadata)
338 try:
339 result = self._run(None, fetches, feed_dict, options_ptr,
--> 340 run_metadata_ptr)
341 if run_metadata:
342 proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)
/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in _run(self, handle, fetches, feed_dict, options, run_metadata)
562 try:
563 results = self._do_run(handle, target_list, unique_fetches,
--> 564 feed_dict_string, options, run_metadata)
565 finally:
566 # The movers are no longer used. Delete them.
/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in _do_run(self, handle, target_list, fetch_list, feed_dict, options, run_metadata)
635 if handle is None:
636 return self._do_call(_run_fn, self._session, feed_dict, fetch_list,
--> 637 target_list, options, run_metadata)
638 else:
639 return self._do_call(_prun_fn, self._session, handle, feed_dict,
/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in _do_call(self, fn, *args)
657 # pylint: disable=protected-access
658 raise errors._make_specific_exception(node_def, op, error_message,
--> 659 e.code)
660 # pylint: enable=protected-access
661
InternalError: Blas SGEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10, k=784
[[Node: MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](_recv_Placeholder_0/_4, Variable/read)]]
Caused by op u'MatMul', defined at:
File "/usr/lib/python2.7/runpy.py", line 162, in _run_module_as_main
"__main__", fname, loader, pkg_name)
File "/usr/lib/python2.7/runpy.py", line 72, in _run_code
exec code in run_globals
File "/usr/local/lib/python2.7/dist-packages/ipykernel/__main__.py", line 3, in <module>
app.launch_new_instance()
File "/usr/local/lib/python2.7/dist-packages/traitlets/config/application.py", line 596, in launch_instance
app.start()
File "/usr/local/lib/python2.7/dist-packages/ipykernel/kernelapp.py", line 442, in start
ioloop.IOLoop.instance().start()
File "/usr/local/lib/python2.7/dist-packages/zmq/eventloop/ioloop.py", line 162, in start
super(ZMQIOLoop, self).start()
File "/usr/local/lib/python2.7/dist-packages/tornado/ioloop.py", line 883, in start
handler_func(fd_obj, events)
File "/usr/local/lib/python2.7/dist-packages/tornado/stack_context.py", line 275, in null_wrapper
return fn(*args, **kwargs)
File "/usr/local/lib/python2.7/dist-packages/zmq/eventloop/zmqstream.py", line 440, in _handle_events
self._handle_recv()
File "/usr/local/lib/python2.7/dist-packages/zmq/eventloop/zmqstream.py", line 472, in _handle_recv
self._run_callback(callback, msg)
File "/usr/local/lib/python2.7/dist-packages/zmq/eventloop/zmqstream.py", line 414, in _run_callback
callback(*args, **kwargs)
File "/usr/local/lib/python2.7/dist-packages/tornado/stack_context.py", line 275, in null_wrapper
return fn(*args, **kwargs)
File "/usr/local/lib/python2.7/dist-packages/ipykernel/kernelbase.py", line 276, in dispatcher
return self.dispatch_Shell(stream, msg)
File "/usr/local/lib/python2.7/dist-packages/ipykernel/kernelbase.py", line 228, in dispatch_Shell
handler(stream, idents, msg)
File "/usr/local/lib/python2.7/dist-packages/ipykernel/kernelbase.py", line 391, in execute_request
user_expressions, allow_stdin)
File "/usr/local/lib/python2.7/dist-packages/ipykernel/ipkernel.py", line 199, in do_execute
Shell.run_cell(code, store_history=store_history, silent=silent)
File "/usr/local/lib/python2.7/dist-packages/IPython/core/interactiveshell.py", line 2723, in run_cell
interactivity=interactivity, compiler=compiler, result=result)
File "/usr/local/lib/python2.7/dist-packages/IPython/core/interactiveshell.py", line 2825, in run_ast_nodes
if self.run_code(code, result):
File "/usr/local/lib/python2.7/dist-packages/IPython/core/interactiveshell.py", line 2885, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-4-d7414c4b6213>", line 4, in <module>
y = tf.nn.softmax(tf.matmul(x, W) + b)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/math_ops.py", line 1036, in matmul
name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_math_ops.py", line 911, in _mat_mul
transpose_b=transpose_b, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 655, in apply_op
op_def=op_def)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 2154, in create_op
original_op=self._default_original_op, op_def=op_def)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 1154, in __init__
self._traceback = _extract_stack()
スタック：EC2 g2.8xlargeマシン、Ubuntu 14.04
古い質問ですが、他の人を助けるかもしれません。
他のプロセスでアクティブな対話型セッションを閉じてみてください（IPython Notebookの場合-カーネルを再起動するだけです）。これは私を助けました！
さらに、このコードを使用して、実験中にこのカーネルのローカルセッションを閉じます。
if 'session' in locals() and session is not None:
print('Close interactive session')
session.close()
この問題に遭遇し、allow_soft_placement=Trueとgpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3)を設定することで解決しました。これらは、使用されるGPUのメモリの割合を明確に定義します。これは、GPUメモリを奪い合う2つのテンソルフロープロセスを回避するのに役立ったと思います。
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3)
sess = tf.Session(config=tf.ConfigProto(
allow_soft_placement=True, log_device_placement=True))
私の環境はPython 3.5、Tensorflow 0.12およびWindows 10（Dockerなし）です。 CPUとGPUの両方でニューラルネットワークをトレーニングしています。 GPUでトレーニングするたびに、同じエラーInternalError: Blas SGEMM launch failedに遭遇しました。
このエラーが発生する理由はわかりませんでしたが、テンソルフロー関数tensorflow.contrib.slim.one_hot_encoding()を回避することで、GPUでコードを実行できました。代わりに、numpy（入力および出力変数）でワンホットエンコーディング操作を行います。
次のコードは、エラーと修正を再現します。勾配降下を使用してy = x ** 2関数を学習するための最小限のセットアップです。
import numpy as np
import tensorflow as tf
import tensorflow.contrib.slim as slim
def test_one_hot_encoding_using_tf():
# This function raises the "InternalError: Blas SGEMM launch failed" when run in the GPU
# Initialize
tf.reset_default_graph()
input_size = 10
output_size = 100
input_holder = tf.placeholder(shape=[1], dtype=tf.int32, name='input')
output_holder = tf.placeholder(shape=[1], dtype=tf.int32, name='output')
# Define network
input_oh = slim.one_hot_encoding(input_holder, input_size)
output_oh = slim.one_hot_encoding(output_holder, output_size)
W1 = tf.Variable(tf.random_uniform([input_size, output_size], 0, 0.01))
output_v = tf.matmul(input_oh, W1)
output_v = tf.reshape(output_v, [-1])
# Define updates
loss = tf.reduce_sum(tf.square(output_oh - output_v))
trainer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
update_model = trainer.minimize(loss)
# Optimize
init = tf.initialize_all_variables()
steps = 1000
# Force CPU/GPU
config = tf.ConfigProto(
# device_count={'GPU': 0} # uncomment this line to force CPU
)
# Launch the tensorflow graph
with tf.Session(config=config) as sess:
sess.run(init)
for step_i in range(steps):
# Get sample
x = np.random.randint(0, 10)
y = np.power(x, 2).astype('int32')
# Update
_, l = sess.run([update_model, loss], feed_dict={input_holder: [x], output_holder: [y]})
# Check model
print('Final loss: %f' % l)
def test_one_hot_encoding_no_tf():
# This function does not raise the "InternalError: Blas SGEMM launch failed" when run in the GPU
def oh_encoding(label, num_classes):
return np.identity(num_classes)[label:label + 1].astype('int32')
# Initialize
tf.reset_default_graph()
input_size = 10
output_size = 100
input_holder = tf.placeholder(shape=[1, input_size], dtype=tf.float32, name='input')
output_holder = tf.placeholder(shape=[1, output_size], dtype=tf.float32, name='output')
# Define network
W1 = tf.Variable(tf.random_uniform([input_size, output_size], 0, 0.01))
output_v = tf.matmul(input_holder, W1)
output_v = tf.reshape(output_v, [-1])
# Define updates
loss = tf.reduce_sum(tf.square(output_holder - output_v))
trainer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
update_model = trainer.minimize(loss)
# Optimize
init = tf.initialize_all_variables()
steps = 1000
# Force CPU/GPU
config = tf.ConfigProto(
# device_count={'GPU': 0} # uncomment this line to force CPU
)
# Launch the tensorflow graph
with tf.Session(config=config) as sess:
sess.run(init)
for step_i in range(steps):
# Get sample
x = np.random.randint(0, 10)
y = np.power(x, 2).astype('int32')
# One hot encoding
x = oh_encoding(x, 10)
y = oh_encoding(y, 100)
# Update
_, l = sess.run([update_model, loss], feed_dict={input_holder: x, output_holder: y})
# Check model
print('Final loss: %f' % l)
Tensorflow Distributedの実行中にこのエラーが発生しました。ワーカーのいずれかがCUDA_OUT_OF_MEMORYエラーを報告していないか確認しましたか？この場合、体重とバイアス変数を配置する場所に関係する可能性があります。例えば。
with tf.device("/job:paramserver/task:0/cpu:0"):
W = weight_variable([input_units, num_hidden_units])
b = bias_variable([num_hidden_units])
linuxを使用している場合は、GPUを厳密に解放しない可能性があります。Gpsを使用しているジョブを確認するには、「ps -ef | grep python」を試してください。その後、それらを殺します
実行中の他のすべてのJupyterセッションを閉じると、問題は解決しました。 GPUメモリの問題だったと思います。
私の場合、2つのpythonコンソールを開いており、どちらもkeras/tensorflowを使用しています。古いコンソールを閉じたとき（前日から忘れられていた）、すべてが正しく動作し始めました。
したがって、GPUを占有する複数のコンソール/プロセスがない場合は、チェックするのが良いでしょう。
私の場合、
まず、私は走る
conda clean --all
tarballと未使用のパッケージをクリーンアップします。
次に、IDE（この場合はPycharm）を再起動します。環境：anaconda python 3.6、Windows 10 64ビット。 anacondaのWebサイトで提供されているコマンドでtensorflow-gpuをインストールします。
私にとっては、複数のテンソルフロープロセス（2など）を実行しようとしたときにこの問題が発生しましたが、両方ともGPUリソースにアクセスする必要があります。
簡単な解決策は、一度に1つのテンソルフロープロセスのみを実行する必要があることを確認することです。
詳細については、 here を参照してください。
明確にするために、tensorflowは（デフォルトで）利用可能なすべてのGPUを消費しようとします。他のプログラムもアクティブな状態では実行できません。閉鎖。これが実際に別の問題である場合は、気軽に再開してください。
私にとっては、Kerasを使用しているときにこのエラーが発生し、Tensorflowがバックエンドでした。それは、Anacondaのディープラーニング環境が適切にアクティブ化されなかったためです。その結果、Tensorflowも適切に起動しませんでした。ディープラーニング環境（dlと呼ばれる）を最後にアクティブにしたときからこれに気付きました。Anacondaプロンプトのプロンプトは次のように変更されました。
(dl) C:\Users\georg\Anaconda3\envs\dl\etc\conda\activate.d>set "KERAS_BACKEND=tensorflow"
それまではdlしかありませんでしたが。したがって、上記のエラーを取り除くためにしたことは、jupyterノートブックとAnaconda Promptを閉じてから、何度か再起動することでした。
Jupyterプロセスを再起動するだけでは不十分でした。コンピューターを再起動する必要がありました。
Keras CuDNNテストをpytest-xdistと並行して実行すると、このエラーが発生しました。解決策は、それらを連続して実行することでした。
私の場合、Jupyterノートブックを別のサーバーで開くだけで十分です。
このエラーは、同じサーバーで複数のtensorflow/kerasモデルを使用しようとした場合にのみ発生します。あるノートブックを開いて実行しても、閉じてから別のノートブックを開いてみても問題はありません。同じJupyterサーバーにロードされている場合、エラーは常に発生します。
OSをWindows 1に変更した後にこのエラーが発生しましたが、Windows 7を使用しているときにこれに遭遇したことはありません。
別のGPUプログラムの実行中にGPU Tensorflowモデルをロードすると、エラーが発生します。ソケットサーバーとしてロードされた私のJCudaモデルであり、大きくはありません。他のGPUプログラムを閉じると、このTensorflowモデルを非常に正常にロードできます。
このJCudaプログラムはまったく大きくなく、70M前後です。これと比較して、このTensorflowモデルは500Mを超え、はるかに大きくなっています。しかし、私は1080 tiを使用していますが、これには多くのメモリがあります。したがって、おそらくメモリ不足の問題ではなく、OSまたはCudaに関するTensorflowの内部的な問題かもしれません。 （PS：Cudaバージョン8.0.44を使用していますが、新しいバージョンをダウンロードしていません。）