TensorFlow：未创建XLA设备，因为tf_xla_enable_xla_devices未设置。

Question

我从Code Project | 一份完整的自驾车指南中运行drive.py程序。

但是当我启动程序时，出现了错误：

Not creating XLA devices, tf_xla_enable_xla_devices not set

有谁知道我该如何解决这个问题？我应该下载或重新安装什么？

我使用的环境：

Python 3.8.7

CUDA 11.0

tensorflow 2.4.1

当访问http://0.0.0.0:4567/时，当然我什么也看不到。

- Cierniostwor

Answer 1

请在您的脚本最开始的位置添加以下内容：

os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'

- diman82

---

如果您想在命令行中设置它，可以导出TF_XLA_FLAGS=--tf_xla_enable_xla_devices。 - Karan Shah

我需要GPU吗？还是适用于只有CPU的机器？ - PATHIK GHUGARE

它也适用于仅使用CPU的Linux/Mac机器（例如Heroku dynos）。 - Rafa Nogales

Answer 2

或者，可以在Windows系统设置中设置环境变量：TF_XLA_FLAGS = --tf_xla_enable_xla_devices。

根据这个讨论，这有助于比简单地忽略信息更有效地使用GPU。

- Jianyu

Answer 3

通常这个消息不应该干扰。

请尝试。

import tensorflow as tf
print("GPUs: ", len(tf.config.experimental.list_physical_devices('GPU')))

请检查它们是否被检测到。

如果需要，请在 GitHub 上查看发布说明：

XLA：CPU 和 XLA：GPU 设备不再默认注册。 如果确实需要它们，请使用 TF_XLA_FLAGS = --tf_xla_enable_xla_devices，但此标志将在随后的版本中被删除。

- MCL

---

当我运行这个命令时，我得到了："GPUs: 1"。 - Cierniostwor

Answer 4

我不确定Tensorflow的XLA:CPU和XLA:GPU是否会在后续版本中被“移除”。XLA:CPU被描述为在GPU执行Tensorflow建模代码时提供对CPU的访问。当设置其环境变量时，XLA功能允许CPU在特定的关键性能阶段“帮助”，从而加速通常需要GPU完成的进程。这在https://www.tensorflow.org/xla中有解释。

我没有找到如何在R或更具体地说是Rstudio中设置所需环境变量的清晰说明。在另一篇博客中，有人建议（a）添加一个环境路径变量以打开XLA总体功能，但然后再添加另一个变量，专门用于Tensorflow使用。

设置正确的环境变量可能因操作系统、脚本程序（Python vs R vs Windows Ubuntu）以及安装的CUDA和CUDNN版本而异。

对我来说最重要的是查看未设置的特定环境变量的输出，从而导致XLA无法激活。但同时，XLA可能需要在整个R会话或脚本中激活。

在我的情况下，我使用Ubuntu 20.04来运行Rstudio 2021.09.0，并搭配NVIDIA GPU和驱动程序版本470.57.02、CUDA-11.4以及CUDNN8_8.2.4.15（与CUDA 11.4相匹配）。以下两个R Setenv()命令使得我的Rstudio脚本输出中的“XLA错误”消失了：

Sys.setenv("XLA_FLAGS=--xla_gpu_cuda_data_dir"="/usr/local/cuda-11.4")

Sys.setenv("TF_XLA_FLAGS"="--tf_xla_enable_xla_devices")

请注意，两个环境变量都已设置，并且 xla_gpu_cuda_data 目录在 /usr/local/cuda-11.X 中正确命名。

此外，在用户的配置文件脚本中设置的环境 PATH 和 LD_LIBRARY_PATH 变量（我的是 .profile）在重新启动后（或终端中使用 source 命令）也需要指示正确的 cuda 目录。

- Michael Morgan