Tensorflow CNN模型CPU和GPU上张量流预测的差异
我在GPU上训练了FCN网络,并保存了模型(.pb文件)。我在GPU上得到了正确的预测。然而,当我在CPU上运行预测时,我得到了相同模型文件的NAN。Tensorflow CNN模型CPU和GPU上张量流预测的差异,tensorflow,convolutional-neural-network,Tensorflow,Convolutional Neural Network,我在GPU上训练了FCN网络,并保存了模型(.pb文件)。我在GPU上得到了正确的预测。然而,当我在CPU上运行预测时,我得到了相同模型文件的NAN。 是否有需要设置的CPU/GPU标志?或者CPU是否存在溢出问题?CPU上没有特殊的溢出情况。两者都应实现IEEE 754 有不同的方法可以实现一些高级功能(tanh、sigmoid),它们在GPU和CPU上的实现方式不同,以利用平台的优势 当你从模型中得到NaN时,很可能有东西坏了。不要尝试用一些标志来修补它,而是尝试调试并查看发生了什么。在几乎
是否有需要设置的CPU/GPU标志?或者CPU是否存在溢出问题?CPU上没有特殊的溢出情况。两者都应实现IEEE 754 有不同的方法可以实现一些高级功能(tanh、sigmoid),它们在GPU和CPU上的实现方式不同,以利用平台的优势 当你从模型中得到NaN时,很可能有东西坏了。不要尝试用一些标志来修补它,而是尝试调试并查看发生了什么。在几乎所有情况下,您都有一个退化模型,它只在某些硬件的某个角落起作用 一旦发现问题,通常会通过对某些值设置上限或修改数据的表示方式(以大数日志为例)来解决