Не было зарегистрировано OpKernel для поддержки Op 'ShutdownDistributedTPU' с этими атрибутами. Зарегистрированные устройства

Question

Я пытаюсь восстановить модель Mobile-net V2, используя версию TensorFlow 1.7.0 по этой ссылке, и используя следующий код, но получаю ошибку.

import tensorflow as tf    
dir(tf.contrib)
tf.reset_default_graph()
v1 = tf.get_variable("v1", shape=[3])
v2 = tf.get_variable("v2", shape=[5])
saver = tf.train.Saver()
with tf.Session() as sess:
  saver = tf.train.import_meta_graph("/mobilenet_v2_1.4_224.ckpt.meta")
  saver.restore(sess, "/mobilenet_v2_1.4_224.ckpt.data-00000-of-00001")

Я сталкиваюсь со следующей ошибкой, связанной с TPU, где у меня есть поддержка вплоть до GPU:

Трассировка (последний вызов был последним): файл "/home/ext_user1/tensorflow_1.2.1_cp34/lib/python3.4/site- packages/tenorflow/python/client/session.py", строка 1327, в _do_call возвращает fn(*args) Файл "/home/ext_user1/tensorflow_1.2.1_cp34/lib/python3.4/site- packages /ensorflow/python/client/session.py", строка 1310, в файле _run_fn self._extend_graph() () "/ home / ext_user1 /ensorflow_1.2.1_cp34 / lib / python3.4 / site-packages / tenorflow / python / client / session.py ", строка 1358, в файле _extend_graph graph_def.SerializeToString(), status)" / home / ext_user1 / tenorflow_1. 2.1_cp34 / lib / python3.4 / site-packages / tenorflow/python/framework/errors_impl.py", строка 516, на выходе c_api.TF_GetCode(self.status.status)) tenorsflow.python.framework.errors_impl.InvalidArgumentError: Не было зарегистрировано OpKernel для поддержки Op 'ShutdownDistributedTPU' с этими атрибутами.
Зарегистрированные устройства: [CPU], Зарегистрированные ядра:

[[Узел: ShutdownDistributedTPU = ShutdownDistributedTPU_device="/job:tpu_worker/device:TPU_SYSTEM:0"]]

Пожалуйста, помогите мне.

Answer 1

Исправление для этого заключается в удалении предустановленных устройств из мета

saver = tf.train.import_meta_graph("/mobilenet_v2_1.4_224.ckpt.meta", clear_devices=True)

Метаграф используется для восстановления тренировки с контрольной точки. Для прогнозирования с этой контрольной точки метаграф не нужен. Однако, если вы хотите продолжить обучение модели, лучше всего импортировать метаграф и очистить устройства.