Python 如何将XLA\GPU转换为GPU

我的操作系统是Ubuntu 18.04，我的GPU是GTX850米。我使用的是nvidia驱动程序430.50、

CUDA 10.1

、

CuDNN 9.0

和

tensorflow gpu 1.14.0

。当我尝试在tensorflow中使用

from tensorflow.python.client import device_lib

device_lib.list_local_devices()

我要把这个拿出来

[name: "/device:CPU:0"
 device_type: "CPU"
 memory_limit: 268435456
 locality {
 }
 incarnation: 2293723676390825589,
 name: "/device:XLA_GPU:0"
 device_type: "XLA_GPU"
 memory_limit: 17179869184
 locality {
 }
 incarnation: 15287372432461854293
 physical_device_desc: "device: XLA_GPU device",
 name: "/device:XLA_CPU:0"
 device_type: "XLA_CPU"
 memory_limit: 17179869184
 locality {
 }
 incarnation: 10399216684927698454
 physical_device_desc: "device: XLA_CPU device"]

---

我可以将XLA_GPU用于基本应用（即tensorflow常量生产），但我无法训练神经网络。如何将XLA_GPU转换为GPU以训练深度神经网络？

您的输出表明，Tensorflow GPU安装存在问题

我使用的是nvidia驱动程序430.50、CUDA 10.1、CuDNN 9.0和 tensorflow gpu 1.14.0

根据，

tensorflow\u gpu-1.14.0

需要

CUDA-10.0

和

cuDNN-7.4

，通过这种组合，您可以在设备上使用gpu

注意：

如果安装了非GPU版本的软件包，该函数也将返回

False

。使用

tf.test.is_builded_with_cuda（）

验证TensorFlow是否是使用cuda支持构建的

使用gpu的简单解决方法是，如果您可以使用Anaconda安装tensorflow gpu，那么它将在与tensorflow gpu相同的conda环境中为您安装cuda和cudnn。您可以使用conda创建一个虚拟环境，如下所示

conda create --name tf python=3.8
conda activate tf  # activate tf environment
pip install tensorflow # install latest version of Tensorflow 2.4
import tensorflow

---

您的输出表明，

Tensorflow GPU

安装存在问题

我使用的是nvidia驱动程序430.50、CUDA 10.1、CuDNN 9.0和 tensorflow gpu 1.14.0

根据，

tensorflow\u gpu-1.14.0

需要

CUDA-10.0

和

cuDNN-7.4

，通过这种组合，您可以在设备上使用gpu

注意：

如果安装了非GPU版本的软件包，该函数也将返回

False

。使用

tf.test.is_builded_with_cuda（）

验证TensorFlow是否是使用cuda支持构建的

使用gpu的简单解决方法是，如果您可以使用Anaconda安装tensorflow gpu，那么它将在与tensorflow gpu相同的conda环境中为您安装cuda和cudnn。您可以使用conda创建一个虚拟环境，如下所示

conda create --name tf python=3.8
conda activate tf  # activate tf environment
pip install tensorflow # install latest version of Tensorflow 2.4
import tensorflow