非 OK 状态：GpuLaunchKernel(..) 状态：内部：张量流内存不足答案

【问题标题】：Non-OK-status: GpuLaunchKernel(..) status: Internal: out of memory in tensorflow非 OK 状态：GpuLaunchKernel(..) 状态：内部：张量流内存不足
【发布时间】：2021-06-20 09:31:21
【问题描述】：

我有一个包含基类的模块

class MessagePassing(tf.keras.layers.Layer):
    def __init__():
        super(MessagePassing, self).__init__()
        ....
    def call():
        ....

我在另一个模块中导入基类

from module1 import MessgagePassing

class layer(MessagePassing):
    def __init__(self, in, out):
        super(layer, self).__init__()
        self.W = self.add_weight("w", shape=[in, out], initializer="glorot_uniform")
        ....

当上面的模块被编译时，它会引发一个错误

2021-06-20 14:42:23.392722: F ./tensorflow/core/kernels/random_op_gpu.h:232] 
Non-OK-status: GpuLaunchKernel(FillPhiloxRandomKernelLaunch<Distribution>, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) 
status: Internal: out of memory

我在调试模式下使用 vscode 运行代码，发现指向断点的指针在 self.add_weight 处停止了两次。之后它会在相当长的一段时间后引发错误。

【问题讨论】：

标签： python tensorflow2.0

【解决方案1】：

我试图用 Sublime Text 重现同样的错误，所以我改用它。令人惊讶的是，代码开始按预期工作。

但是，我想知道为什么会发生这种情况？

【讨论】：