Python 忽略计算能力为3.0的可见gpu设备。所需的最小Cuda能力为3.5
我在docker容器上运行Tensorflow 1.5.0,因为我需要使用不使用AVX字节码的版本,因为我运行的硬件太旧,无法支持它 我最终让tensorflow gpu正确导入(将docker图像降级为tf 1.5.0后),但现在当我运行任何代码检测gpu时,它会说gpu不存在 我看了看docker日志,Jupyter吐出了这个消息Python 忽略计算能力为3.0的可见gpu设备。所需的最小Cuda能力为3.5,python,docker,tensorflow,Python,Docker,Tensorflow,我在docker容器上运行Tensorflow 1.5.0,因为我需要使用不使用AVX字节码的版本,因为我运行的硬件太旧,无法支持它 我最终让tensorflow gpu正确导入(将docker图像降级为tf 1.5.0后),但现在当我运行任何代码检测gpu时,它会说gpu不存在 我看了看docker日志,Jupyter吐出了这个消息 忽略具有Cuda计算能力3.0的可见gpu设备(设备:0,名称:GeForce GTX 760,pci总线id:0000:01:00.0,计算能力:3.0)。所需
忽略具有Cuda计算能力3.0的可见gpu设备(设备:0,名称:GeForce GTX 760,pci总线id:0000:01:00.0,计算能力:3.0)。所需的最小Cuda能力为3.5。
tensorflow网站说支持计算能力为3.0的GPU,那么为什么它说需要计算能力为3.5呢
有没有办法为tensorflow和jupyter获取docker镜像,它们使用tf 1.5.0,但支持具有计算能力的GPU?
您的系统上必须安装以下NVIDIA硬件:
- 具有CUDA计算能力的GPU卡3.5或更高版本。有关支持的GPU卡的列表,请参阅
其他Tensorflow版本支持计算能力为3.0的GPU,包括和,但具体不包括Tensorflow 1.5。升级您的硬件,或选择不同的Tensorflow版本。您需要从源代码构建Tensorflow,使用pip安装的典型控制盘是按照使用Compute Capability 3.5的要求构建的,但Tensorflow确实支持Compute Capability 3.0: 具有CUDA计算能力3.0或更高版本的GPU卡。见英伟达 支持的GPU卡列表的文档
您可以构建最新的TF版本,因为它还将自动检测CPU的功能,不应使用AVX。我刚刚花了一天时间试图从源代码构建这个东西,最终对我有效的是非常令人惊讶的:TF 1.5.0的预构建轮子不再抱怨这一点,而TF 1.14.0的预制车轮确实存在问题。看起来你用的是同一个版本,所以很有趣,但我想我会和大家分享,所以如果有人对此感到困惑,似乎有一个简单的解决办法 配置:
- Visual Studio版本:2017
- Cuda计算能力:3.0
- GPU:两个Geforce GPU 755M
- 操作系统:Windows 10
- Python:3.6.8
- Cuda工具包:9.0
- CuDNN:7.0(最早的版本需要从中获得,但无论如何它都会投诉)