Cuda 如何使tensorflow在具有2.x功能的GPU上运行？
我已经在LinuxUbuntu16.04上成功安装了tensorflow（GPU），并做了一些小改动，使其能够与新的UbuntuLTS版本一起工作 然而，我认为（谁知道为什么）我的GPU满足了计算能力大于3.5的最低要求。但事实并非如此，因为我的电脑只有2.1。有没有办法让tensorflow GPU版本与我的GPU一起工作Cuda 如何使tensorflow在具有2.x功能的GPU上运行？,cuda,tensorflow,nvidia,cudnn,Cuda,Tensorflow,Nvidia,Cudnn,我已经在LinuxUbuntu16.04上成功安装了tensorflow（GPU），并做了一些小改动，使其能够与新的UbuntuLTS版本一起工作 然而，我认为（谁知道为什么）我的GPU满足了计算能力大于3.5的最低要求。但事实并非如此，因为我的电脑只有2.1。有没有办法让tensorflow GPU版本与我的GPU一起工作 我问这个问题是因为显然没有办法让tensorflow GPU版本在Ubuntu 16.04上运行，但通过搜索互联网，我发现情况并非如此，事实上，如果不是因为这个不满足的要求
我问这个问题是因为显然没有办法让tensorflow GPU版本在Ubuntu 16.04上运行，但通过搜索互联网，我发现情况并非如此，事实上，如果不是因为这个不满足的要求，我几乎让它运行了。现在我想知道GPU计算能力的问题是否也可以解决。tensorflow的最新GPU版本（并使用cuDNN访问GPU） cuDNN： cuDNN在带有Pascal、Kepler、Maxwell、Tegra K1或Tegra X1 GPU的Windows、Linux和MacOS系统上受支持
- 开普勒=cc3.x
- 麦克斯韦=cc5.x
- 帕斯卡=cc6.x
- TK1=cc3.2
- TX1=cc5.3
请注意，从未有过官方支持NVIDIA GPU低于cc3.0的cuDNN版本或TF版本。cuDNN的初始版本最初需要cc3.0 GPU，TF的初始版本最初需要cc3.0 GPU。2017年9月更新：没有办法做到这一点，没有问题和痛苦。我已经尽了最大努力，甚至使用了下面的技巧来强制运行，但最后我不得不放弃。如果你对Tensorflow很认真，那就买3.0计算能力的GPU。 这是一个迫使tensorflow在2.0计算能力GPU（非官方）上运行的技巧：
3\.5.*5\.2我做了如上更改，可以用GPU进行简单的计算，但在尝试实际项目时遇到了奇怪和未知的问题（这些项目使用3.0计算能力GPU运行良好）我找到了如何在计算能力为2.1 NVIDIA GeForce 525M的python上安装Tensorflow gpu的方法，诀窍很简单：使用Tensorflow的存档版本，我使用了1.9.0 使用PIP的包的python命令是 pip安装tensorflow gpu==1.9.0
cuDNN版本是7.4.1我查了一下GPU，它看起来很弱。如果我是你，我会使用CPU tensorflow，因为我认为性能不会有太大差异。可能更快。@chasep255我能够在GPU（Python）上使用mxnet。它运行得快了一点。是的，差别不是很大，但是当运行很多历代时，即使是一个小小的差别也会有所帮助。如果让包适应我的机器不需要很多努力，我想我可以尝试一下。@mickkk我注意到tensorflow也支持opencl…不确定这是否可以作为一个替代方案。要尝试一下吗我现在就这么做。如果它工作正常，我会报告。现在我想知道为什么我能够使用cuDNN在GPU上运行mxnet，虽然…原则上你甚至不能在最后一个Ubuntu LTS上安装tensorflow GPU。cuDNN在cc2.1 GPU上不工作。也许mxnet有一个GPU启用路径，不需要cuDNN。这似乎是这样的。注意at-GPU支持cc2.0及更高版本，但它使用“CUDNN加速GPU计算”@RobertCrovella警告：前两个链接是404，我强烈建议不要这样做。在使用GeForce 800M的笔记本电脑上应用此技巧后，结果不正确。是的，很遗憾发现这一点。我的GPU在使用复杂模型（奇怪的错误）时运行不正确，而使用相同的模型（相同的代码）它可以流畅地运行GPU3.0，谢谢大家在上面的实验中报告问题。它可以帮助我简单地让它去理解我必须得到一个新的GPU，如果我想运行TF。）@ TinLuu，请考虑编辑你的答案来反映问题，以便其他可能跳过这些评论的人也不会那样做。谢谢你的建议！我已经更新了答案，以便人们可以轻松做出决定