Tensorflow不'；我好像没看见我的gpu

我在cuda 7.5和8.0上都尝试过tensorflow，没有cudnn（我的GPU很旧，cudnn不支持它）

当我执行

device\u lib.list\u local\u devices（）

时，输出中没有gpu。Theano看到了我的gpu，可以很好地使用它，/usr/share/cuda/samples中的示例也可以很好地使用它

---

我通过pip安装tensorflow。我的gpu是否太旧，tf无法支持它？当我查看您的GPU时，我发现它只支持CUDA计算能力2.1。（可以通过检查）不幸的是，TensorFlow需要一个GPU，其最小CUDA计算能力为3.0。

---

您可能会看到TensorFlow检查GPU的一些日志，但最终该库将避免使用不受支持的GPU

当我查看您的GPU时，我发现它只支持CUDA Compute Capability 2.1。（可以通过检查）不幸的是，TensorFlow需要一个GPU，其最小CUDA计算能力为3.0。

---

您可能会看到TensorFlow检查GPU的一些日志，但最终该库将避免使用不受支持的GPU

我在jupyter笔记本中也遇到了同样的问题。这可能是一个简单的解决办法

$ pip uninstall tensorflow
$ pip install tensorflow-gpu

您可以检查它是否适用于：

tf.test.gpu_device_name()

更新2020 因此，tensorflow 2.0+似乎具有gpu功能

---

pip安装tensorflow

应该足够了

我在jupyter笔记本电脑上也遇到过同样的问题。这可能是一个简单的解决办法

$ pip uninstall tensorflow
$ pip install tensorflow-gpu

您可以检查它是否适用于：

tf.test.gpu_device_name()

更新2020 因此，tensorflow 2.0+似乎具有gpu功能

---

pip安装tensorflow

应该足够了

以下内容适合我，hp笔记本电脑。我有Cuda计算能力 （版本）3.0兼容Nvidia卡。视窗7

pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe install tensorflow-gpu

---

以下是我的工作，惠普笔记本电脑。我有Cuda计算能力 （版本）3.0兼容Nvidia卡。视窗7

pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe install tensorflow-gpu

---

如果您使用的是conda，您可能已经安装了tensorflow的cpu版本。检查环境的包列表（

conda list

），查看是否存在这种情况。如果是这样，请使用

conda remove tensorflow

删除该软件包，并改为安装keras gpu（

conda install-c anaconda keras gpu

。这将安装在gpu中运行机器学习代码所需的一切。干杯

---

注意：您应该首先检查是否已使用

nvidia smi

正确安装驱动程序。默认情况下，这不在您的路径中，因此您可能需要将文件夹添加到您的路径中。可以在

C:\Program Files\nvidia Corporation\NVSMI

中找到.exe文件。如果您使用的是conda，则可能已安装cputensorflow的版本。请检查环境的软件包列表（

conda list

）以查看是否存在这种情况。如果是这样，请使用

conda remove tensorflow

删除软件包，并改为安装keras gpu（

conda安装-c anaconda keras gpu

。这将安装在gpu中运行机器学习代码所需的一切。干杯

注意：您应该首先检查是否使用

nvidia smi

正确安装了驱动程序。默认情况下，这不在您的路径中，因此您可能需要将文件夹添加到您的路径中。可以在

C:\Program Files\nvidia Corporation\NVSMI

摘要中找到.exe文件：

检查tensorflow是否看到您的GPU（可选）

检查您的视频卡是否可以使用tensorflow（可选）

pip卸载tensorflow；pip安装tensorflow gpu

检查tensorflow是否看到您的GPU

*

来源-

详细说明：

检查tensorflow是否看到您的GPU（可选）

检查您的卡是否可以使用tensorflow（可选）

• 我的电脑：GeForce GTX 1060笔记本电脑（驱动程序版本-419.35）、windows 10、jupyter笔记本电脑
• tensorflow需要3.5或更高的计算能力。（）

• 选择“支持CUDA的GeForce产品”
• 结果-“GeForce GTX 1060计算能力=6.1”
• 我的卡可以和tf一起使用

查找您需要的CUDA Toolkit和cuDNN SDK版本

a） 找到你的tf版本

import sys
print (sys.version)
# 3.6.4 |Anaconda custom (64-bit)| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
import tensorflow as tf
print(tf.__version__)
# my output was => 1.13.1

https://www.tensorflow.org/install/source#linux
* it is written for linux, but worked in my case
see, that tensorflow_gpu-1.13.1 needs: CUDA Toolkit v10.0, cuDNN SDK v7.4

b） 找到适合您tf版本的CUDA工具包和cuDNN SDK的正确版本

import sys
print (sys.version)
# 3.6.4 |Anaconda custom (64-bit)| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
import tensorflow as tf
print(tf.__version__)
# my output was => 1.13.1

https://www.tensorflow.org/install/source#linux
* it is written for linux, but worked in my case
see, that tensorflow_gpu-1.13.1 needs: CUDA Toolkit v10.0, cuDNN SDK v7.4

安装CUDA工具包

a） 安装CUDA Toolkit 10.0

https://developer.nvidia.com/cuda-toolkit-archive
select: CUDA Toolkit 10.0 and download base installer (2 GB)
installation settings: select only CUDA
    (my installation path was: D:\Programs\x64\Nvidia\Cuda_v_10_0\Development)

b） 添加环境变量：

system variables / path must have:
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\bin
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\libnvvp
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\extras\CUPTI\libx64
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\include

安装cuDNN SDK

a） 下载cuDNN SDK v7.4

https://developer.nvidia.com/rdp/cudnn-archive (needs registration, but it is simple)
select "Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0"

b） 将“bin”文件夹的路径添加到“环境变量/系统变量/路径”中：

pip卸载tensorflow pip安装tensorflow gpu

检查tensorflow是否看到您的GPU

- restart your PC
- print(get_available_devices()) 
- # now this code should return => ['/device:CPU:0', '/device:GPU:0']

总结：

检查tensorflow是否看到您的GPU（可选）

检查您的视频卡是否可以使用tensorflow（可选）

pip卸载张量流；pip安装tensorflow gpu

检查tensorflow是否看到您的GPU

*

来源-

详细说明：

检查tensorflow是否看到您的GPU（可选）

检查您的卡是否可以使用tensorflow（可选）

• 我的电脑：GeForce GTX 1060笔记本电脑（驱动程序版本-419.35）、windows 10、jupyter笔记本电脑
• tensorflow需要3.5或更高的计算能力。（）

• 选择“支持CUDA的GeForce产品”
• 结果-“GeForce GTX 1060计算能力=6.1”
• 我的卡可以和tf一起使用

查找您需要的CUDA Toolkit和cuDNN SDK版本

a） 找到你的tf版本

import sys
print (sys.version)
# 3.6.4 |Anaconda custom (64-bit)| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
import tensorflow as tf
print(tf.__version__)
# my output was => 1.13.1

https://www.tensorflow.org/install/source#linux
* it is written for linux, but worked in my case
see, that tensorflow_gpu-1.13.1 needs: CUDA Toolkit v10.0, cuDNN SDK v7.4

b） 找到适合您tf版本的CUDA工具包和cuDNN SDK的正确版本

import sys
print (sys.version)
# 3.6.4 |Anaconda custom (64-bit)| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
import tensorflow as tf
print(tf.__version__)
# my output was => 1.13.1

https://www.tensorflow.org/install/source#linux
* it is written for linux, but worked in my case
see, that tensorflow_gpu-1.13.1 needs: CUDA Toolkit v10.0, cuDNN SDK v7.4

安装CUDA工具包

a） 安装CUDA Toolkit 10.0

https://developer.nvidia.com/cuda-toolkit-archive
select: CUDA Toolkit 10.0 and download base installer (2 GB)
installation settings: select only CUDA
    (my installation path was: D:\Programs\x64\Nvidia\Cuda_v_10_0\Development)

b） 添加环境变量：

system variables / path must have:
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\bin
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\libnvvp
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\extras\CUPTI\libx64
    D:\Programs\x64\Nvidia\Cuda_v_10_0\Development\include

安装cuDNN SDK

a） 下载cuDNN SDK v7.4

https://developer.nvidia.com/rdp/cudnn-archive (needs registration, but it is simple)
select "Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0"

b） 将“bin”文件夹的路径添加到“环境变量/系统变量/路径”中：

皮普乌宁