在使用tf.keras的tensorflow渴望执行时警告`试图取消分配nullptr`

Question

根据tensorflow团队的建议，我已经习惯了使用tf.keras进行tensorflow的热切执行。 但是，每当训练模型时，我都会收到一条警告（编辑：实际上，我多次重复收到此警告，每次训练步骤均多次收到此警告，从而淹没了我的标准输出）：

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

该警告似乎并没有影响培训的质量，但是我想知道这意味着什么以及是否有可能消除它。

我将conda虚拟环境与在CPU上运行的python 3.7和tensorflow 1.12结合使用。 （编辑：使用python 3.6进行的测试给出了相同的结果。）下面是再现警告的最小代码。 有趣的是，可以在tf.enable_eager_execution（）行中添加注释，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()

Answer 1

快速解决方案：

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

  要么

• 使用本机os模块（改编自https://stackoverflow.com/a/38645250/2374160 ）抑制错误/警告。 即 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语言编写的Tensorflow上的接口（这超出了我目前的TF专业知识）

• 就我而言，每当调用优化程序的apply_gradients（）方法时， 都会发生此内存释放错误。 在您的脚本中，将模型拟合到训练数据时会调用它。

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

我希望这可以为您提供方便的临时解决方案。