Python 张量流。内核在训练时死亡。窗蟒 解释一下。

这是使用softmax的MNIST代码。 问题出现在

sess.run（train_step，feed_dict={x:batch_xs，y_u:batch_ys}）

在for循环中

只是内核死机并重新启动时出现错误消息。 也许代码不是问题，因为它在其他人身上工作得很好

我用的是Windows10巨蟒

---

什么问题？

我遇到了和你类似的问题。您可能安装了

cuda

和

cudnn

，并且正在

tensorflow gpu

上运行代码

在我的例子中，我首先为cuda8.0安装了

cuda8.0

和

cudnnv6.0，并遇到了内核死机问题

然后我将cuda8.0的
cudnn
版本更改为
cudnnv5.1，并解决了这个问题。现在我的工作环境很好。
我遇到了与您类似的问题。您可能安装了
cuda
和
cudnn
，并且正在
tensorflow gpu
上运行代码

在我的例子中，我首先为cuda8.0安装了
cuda8.0
和
cudnnv6.0，并遇到了内核死机问题

然后我将cuda8.0的
cudnn
版本更改为
cudnnv5.1，并解决了这个问题。现在我可以很好地处理我的环境。
从您提到的“内核”正在消亡，听起来您正在使用Jupyter/IPython。如果直接使用
python.exe
运行脚本，您可能会获得更多信息，包括更好的错误消息。您能试着这样做并发布完整的错误消息吗？从您提到的“内核”正在消亡，听起来您正在使用Jupyter/IPython。如果直接使用
python.exe
运行脚本，您可能会获得更多信息，包括更好的错误消息。你能试着这样做并发布完整的错误消息吗？
   # Import data

    from tensorflow.examples.tutorials.mnist import input_data
    import tensorflow as tf

    mnist = input_data.read_data_sets('/tmp/tensorflow/mnist/input_data', one_hot=True)

    # Create the model

    x = tf.placeholder(tf.float32, [None, 784])
    W = tf.Variable(tf.zeros([784, 10]))
    b = tf.Variable(tf.zeros([10]))
    k = tf.matmul(x, W) + b
    y = tf.nn.softmax(k)
    i = 0

    # Define loss and optimizer

    y_ = tf.placeholder(tf.float32, [None, 10])
    learning_rate = 0.5
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(k, y_))
    train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)

    print ("Training")
    sess = tf.Session()
    init = tf.global_variables_initializer() #.run()
    sess.run(init)
    for _ in range(1000):

        print(i)
        batch_xs, batch_ys = mnist.train.next_batch(100)
        print(i)
        sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
        print(i)
        i=i+1


    print ('b is ',sess.run(b))
    print('W is',sess.run(W))