TensorFlow的map_fn仅在CPU上运行

我在尝试获取 TensorFlow 时遇到了一个奇怪的问题map_fn在我的 GPU 上运行。这是一个最小的损坏示例：

import numpy as np
import tensorflow as tf

with tf.Session() as sess:
    with tf.device("/gpu:0"):
        def test_func(i):
            return i
        test_range = tf.constant(np.arange(5))
        test = sess.run(tf.map_fn(test_func, test_range, dtype=tf.float32))
print(test)

这会导致错误：

InvalidArgumentError：无法分配设备进行操作 “map/TensorArray_1”：无法满足显式设备规范 '' 因为该节点与一组需要的节点位于同一位置 不兼容的设备 '/device:GPU:0' Colocation 调试信息：Colocation 组具有以下类型和设备： TensorArrayScatterV3：CPU TensorArrayGatherV3：GPU CPU 范围：GPU CPU TensorArrayWriteV3：CPU TensorArraySizeV3：GPU CPU TensorArrayReadV3：CPU 输入：GPU CPU TensorArrayV3：CPU 常量：GPU CPU

托管成员和用户请求的设备：
地图/TensorArrayStack/范围/增量（常量）
地图/TensorArrayStack/范围/开始（常量）地图/TensorArray_1 （TensorArrayV3）映射/while/TensorArrayWrite/TensorArrayWriteV3/Enter （输入）/设备：GPU：0地图/TensorArrayStack/TensorArraySizeV3 （TensorArraySizeV3）地图/TensorArrayStack/范围（范围）
地图/TensorArrayStack/TensorArrayGatherV3 (TensorArrayGatherV3)
地图/TensorArray (TensorArrayV3) 地图/while/TensorArrayReadV3/Enter （输入）/设备：GPU：0常量（常量）/设备：GPU：0
地图/TensorArrayUnstack/TensorArrayScatter/TensorArrayScatterV3 (TensorArrayScatterV3) /设备:GPU:0 地图/while/TensorArrayReadV3 (TensorArrayReadV3) /设备:GPU:0
映射/while/TensorArrayWrite/TensorArrayWriteV3 (TensorArrayWriteV3) /设备:GPU:0

[[节点：map/TensorArray_1 = TensorArrayV3clear_after_read=true， dtype = DT_FLOAT，dynamic_size = false，element_shape =， 相同的元素形状=真， 张量数组名称=“”]]

在我的 CPU 上运行时，代码的行为符合预期，并且执行简单操作，例如：

import numpy as np
import tensorflow as tf

with tf.Session() as sess:
    with tf.device("/gpu:0"):
        def test_func(i):
            return i
        test_range = tf.constant(np.arange(5))
        test = sess.run(tf.add(test_range, test_range))
print(test)

在我的 GPU 上运行良好。这个帖子 https://stackoverflow.com/questions/47045026/is-there-a-way-to-use-tensorflow-map-fn-on-gpu似乎描述了类似的问题。有人有什么建议吗？该帖子的答案意味着map_fn在 GPU 上应该可以正常工作。我在 Arch Linux 上的 Python 3.6.4 上运行 TensorFlow 1.8.0 版本，在 GeForce GTX 1050 上运行 CUDA 版本 9.0 和 cuDNN 版本 7.0。

Thanks!

该错误实际上源于以下事实：np.arange产生int32默认情况下为 s 但您指定了float32返回类型。错误消失了

import numpy as np
import tensorflow as tf

with tf.Session() as sess:
    with tf.device("/gpu:0"):
        def test_func(i):
            return i
        test_range = tf.constant(np.arange(5, dtype=np.float32))
        test = sess.run(tf.map_fn(test_func, test_range, dtype=tf.float32))
print(test)

我同意您收到的错误消息相当令人困惑。通过删除设备放置，您会收到“真正的”错误消息：

import numpy as np
import tensorflow as tf

with tf.Session() as sess:
        def test_func(i):
            return i
        test_range = tf.constant(np.arange(5))
        test = sess.run(tf.map_fn(test_func, test_range, dtype=tf.float32))
print(test)
# InvalidArgumentError (see above for traceback): TensorArray dtype is float but Op is trying to write dtype int32.