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

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）

---

当前的tensorflow文档说的是3.0，这是否意味着对于较新版本，它支持的计算能力较低？@Taako：显然，特别是tensorflow 1.5需要计算能力3.5。当前的tensorflow支持计算能力3.0。Tensorflow 1.5不支持计算能力3.0。