gpu時出現Keras（theano）錯誤

Question

很長時間以來，我一直試圖理解一個問題。 請幫我。

我正在嘗試從標准示例git lib（ there ）運行'Keras'示例。

如果我使用CPU，則一切正常。 但是，如果我嘗試使用GPU加速，它將崩潰而不會捕獲任何錯誤：

# build the model: a single LSTM
print('Build model...')
print('   1')
model = Sequential()
print('   2')
model.add(LSTM(128, input_shape=(maxlen, len(chars))))
print('   3')
model.add(Dense(len(chars)))
print('   4')
model.add(Activation('softmax'))

print('   5')
optimizer = RMSprop(lr=0.01)

print('   Compilling')
model.compile(loss='categorical_crossentropy', optimizer=optimizer)

我放了一些print()以便更好地了解錯誤的位置。 我得到的是：

runfile('C:/Users/kostya/Desktop/temp/python/test.py', wdir='C:/Users/kostya/Desktop/temp/python/')
Using Theano backend.
Using cuDNN version 5110 on context None
Preallocating 1638/2048 Mb (0.800000) on cuda
Mapped name None to device cuda: GeForce GTX 650 (0000:01:00.0)
WARNING: Preallocating too much memory can prevent cudnn and cublas from working properly
DEVICE: cuda
corpus length: 206433
total chars: 79
nb sequences: 68798
Vectorization...
Build model...
   1
   2


Ядро остановилось, перезапуск *(It means: The Core has stopped, restarting)*

如果我通過standatr python控制台運行它，我將遇到類似錯誤。 （python.exe緊急停止）

我使用：Win 10-64，Python 3.6.1，具有激活的單獨環境的Anaconda，CUDA 8.0，cuRNN 5.1，mkl 2017.0.3，numpy 1.13.0，theano 0.9.0，conda-forge.keras 2.0.2，m2w64 -openblas 0.2.19，conda-forge.pygpu 0.6.8，VC 14.0等

那是我的.theanorc.txt配置文件。 （我確定這可以抓住他。 如果我將device = cpu放上，它可以正常工作 （但是很慢））

[global]
floatX = float32
device = cuda
optimizer_including = cudnn

[nvcc]
flags=-LC:\Users\kostya\Anaconda3\envs\keras\libs
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin

[cuda]
root = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

[dnn]
library_path = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
include_path = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

[gpuarray]
preallocate = 0.8

Answer 1

您嘗試將gpuarray后端選項（ preallocate ）與CUDA后端一起使用。 從Theano doc ：

該值僅在使用（GpuArray Backend）時分配GPU內存。 有關舊的后端，請參閱config.lib.cnmem

嘗試在您的Theano配置中替換

[gpuarray]
preallocate = 0.8

與

[lib]
cnmem = 0.8