详解TensorFlow报”UnimplementedError: FFT is not yet supported on the GPU “的原因以及解决办法

问题描述

在使用 TensorFlow 进行深度学习模型训练时，可能会遇到以下错误信息：

UnimplementedError: FFT is not yet supported on the GPU.

出现这个错误信息的原因是 TensorFlow 对于某些运算（如快速傅里叶变换）的实现暂时还不支持 GPU 加速，只能在 CPU 上运行。但是默认情况下，TensorFlow 是启用 CUDA 加速的，也就是说 GPU 会优先被使用，这就导致了上述错误的发生。

解决方法

关闭 GPU 加速

一种解决方法是关闭 TensorFlow 的 GPU 加速，这样 TensorFlow 就会强制使用 CPU 进行计算，从而避免 GPU 不支持的错误。

在运行 TensorFlow 代码的前面加上以下这段代码：

import tensorflow as tf
tf.config.experimental.set_device_policy(tf.config.experimental.CPUOnly)

这段代码设置 TensorFlow 使用 CPU 进行计算，而不使用 GPU。如果你在使用 Keras，也可以使用下面的代码代替：

import tensorflow.keras.backend as K
K.set_session(K.tf.Session(config=K.tf.ConfigProto(device_count={'GPU': 0})))

这段代码同样会强制使用 CPU 进行计算。

在 CPU 上完成计算

另一种解决方法是在运算需要用到的位置上，显式地告诉 TensorFlow 使用 CPU 进行计算。比如在进行 FFT 时，可以使用以下代码：

with tf.device('/cpu:0'):
   result = tf.signal.fft(input_data)

这段代码会将 FFT 计算显式地放在 CPU 上进行，从而避免 GPU 不支持的错误。同样地，如果你在使用 Keras，可以使用以下代码：

import tensorflow.keras.backend as K
with tf.device('/cpu:0'):
   result = K.fft(input_data)

这段代码同样会将 FFT 计算显式地放在 CPU 上进行。

注意：虽然上述两种方法都可以解决GPU不支持的问题，但是由于 CPU 的计算速度相对较慢，因此可能会导致训练过程变得非常缓慢。因此，你需要仔细权衡使用 GPU 还是 CPU 进行计算的利弊。