tf.python.keras.utils.multi_gpu_模型初始化时出错

我使用的是带有tensorflow和多gpu配置的python 3，我尝试使用来初始化多gpu模型，我创建了一个模型，它很好，可以编译、运行和训练，但是当我尝试在模型编译之前添加这个时：

from tensorflow.python.keras.utils import multi_gpu_model
model = multi_gpu_model(model, gpus=2, cpu_merge=False)

我得到这个错误

TypeError:int（）参数必须是字符串或数字，而不是 “张力形”

注意：我正在使用tf和eager eval

我发现引用的是使用keras.utils.multi_gpu_模型而不是tf.python.keras.utils.multi_gpu_模型，但当我这样做时，我得到了以下错误：

我错过了什么

第217行，在多个gpu模型中 使用tf.device（x.device）：AttributeError:'DeferredTensor'对象没有属性'device'

模型的代码是

model = Sequential()
model.add(Flatten(input_shape=(128, 128, 3)))
model.add(Dense(100, activation="sigmoid"))
model.add(Dense(100, activation="sigmoid"))

更新：这可能是gpu id问题吗？当我尝试创建一个多gpu模型而不使用以下代码指定gpu计数时：

model = multi_gpu_model(model)

我得到以下错误：

ValueError:要使用

gpu=3

调用

多gpu\u模型

，我们希望 以下设备将可用：['/cpu:0'，'/gpu:0'，'/gpu:1'， “/gpu:2']”。但是，此计算机只有：['/cpu:0'，'/xla_cpu:0'， “/XLAGPU:0'，”/gpu:0'，“/gpu:1']。尝试减少

GPU

我只有2个GPU，它们连接到pci端口#1和2（我无法更改，我在板上没有将它们连接到端口0所需的适当空间），在指定2个GPU时，tf将尝试获取GPU 0和GPU 1是否有意义？我可以另外说明吗

---

谢谢

我遇到了同样的错误，我将

os.environ[CUDA\u VISIBLE\u DEVICES]='1,3'

更改为

os.environ[CUDA\u VISIBLE\u DEVICES]='1,3'

如果您已经这样做了，那么您可能需要使用以下非常简单的代码进行检查：不要忘记将gpu设备更改为您的设备

from keras.utils import multi_gpu_model
from keras import Input, Model
from keras.layers import Conv2D
import os
#if you have gpu 1,3 avaliable
os.environ["CUDA_VISIBLE_DEVICES"]="1,3"
x = Input((64,64,3))
out = Conv2D(64,(3,3),padding='same')(x)
model = Model(x,out)
#model = deeplabv3_nopadding.Deeplabv3()
model = multi_gpu_model(model,gpus=2)

这将输出：

使用TensorFlow后端。2019-07-01 09:40:25.971722:I tensorflow/core/platform/cpu\u feature\u guard.cc:141]您的cpu支持 未编译此TensorFlow二进制文件以使用的说明： SSE4.1 SSE4.2 AVX AVX2 FMA 2019-07-01 09:40:26.277398:I tensorflow/core/common_运行时/gpu/gpu_设备。cc:1432]找到设备0 属性：名称：泰坦Xp大调：6小调：1 memoryClockRate（GHz）：1.582 pciBusID:0000:03:00.0总内存： 11.90GiB自由内存：11.74GiB 2019-07-01 09:40:26.586391:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1432]找到设备1 属性：名称：泰坦Xp大调：6小调：1 memoryClockRate（GHz）：1.582 pCIBSID:0000:83:00.0总内存： 11.90GiB自由内存：11.74GiB 2019-07-01 09:40:26.586477:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1511]添加可见 gpu设备：012019-07-0109:40:27.377910:I tensorflow/core/common_runtime/gpu/gpu_device.cc:982]device 具有强度1边缘矩阵的互连拖缆执行器：2019-07-01 09:40:27.377970:I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]0 1 2019-07-01 09:40:27.377977:I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001]0:N 2019-07-01 09:40:27.377981:I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001]1:N 2019-07-01 09:40:27.378592:I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115]已创建 TensorFlow设备（/job:localhost/replica:0/task:0/device:GPU:0） 11355 MB内存）->物理GPU（设备：0，名称：TITAN Xp，pci总线 id:0000:03:00.0，计算能力：6.1）2019-07-01 09:40:27.382844： I创建了tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] TensorFlow设备（/job:localhost/replica:0/task:0/device:GPU:1和 11355 MB内存）->物理GPU（设备：1，名称：TITAN Xp，pci总线 id:0000:83:00.0，计算能力：6.1）

---

你的实际型号在哪里？从外观上看，你没有一个模型，你只是尝试初始化多个gpu模型，巧合的是，它也被命名为模型…？我有一个工作模型，模型不是问题（它在没有多个gpu的情况下工作），但我会把它添加到问题中