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Tensorflow不';我好像没看见我的gpu,tensorflow,Tensorflow,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,
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:
*
来源-
详细说明:
- 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
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
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
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:
- restart your PC
- print(get_available_devices())
- # now this code should return => ['/device:CPU:0', '/device:GPU:0']
*
来源-
详细说明:
- 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一起使用李>
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
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
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: