在Windows 10上使用pycharm在GPU上运行Tensorflow时出错

Question

我一直试图在Windows 10上安装tensorflow-gpu， 我遵循了这个YouTube教程here和this website。

总结，我做了以下工作： 首先，我检查了Tensorflow Website中要求的CUDA版本，发现它是CUDA 10.2。然后检查NVidia是否启用并支持我的GPU（GeForce GTX 650）类型，并在列表中找到了它。然后，我按顺序完成了以下步骤：

1-已安装Visual Studio 2019

2-已安装CUDA 10.2

3-已安装cuDNN v 7.6.5

4-在系统环境中添加了以下两个目录：

• C：\ Program Files \ NVIDIA GPU计算工具包\ CUDA \ v10.2 \ bin

• C：\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.2 \ libnvvp

5-安装Anaconda（Python 3.7）

6-使用python 3.5设置虚拟环境：名为“ Tensorflow-GPU”并激活它。

7-安装了以下软件包：

• pip install --ignore-installed --upgrade tensorflow-gpu

• pip install keras

• pip安装熊猫

• 点安装numpy

我得到的软件包版本如下：

Python-> 3.5.6

Tensorflow-gpu-> 2.0.0

Keras-> 2.3.1

Keras-Application-> 1.0.8

Kera预处理-> 1.1.0

Numpy-> 1.18.0

h5py- 2.1.0

我尝试通过首先在anaconda提示符下激活环境并导入TensorFlow进行尝试，它可以正常工作且没有错误（在pycharm上也是如此）。

但是，当我使用此简单代码检查TensorFlow是否检测到GPU时，它会提供GPU的信息（如蓝色圆圈所示），然后用“ GPU不可用”将其忽略

代码：

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
import tensorflow_hub as hub

print("Version: ", tf.__version__)
print("Eager mode: ", tf.executing_eagerly())
print("Hub Version: ", hub.__version__)
print("GPU is", "available" if tf.config.experimental.list_physical_devices("GPU") else "NOT AVAILABLE")

输出：

我搜索了以下警告：“忽略具有Cuda计算能力3.0的可见gpu设备（设备：0，名称：GeForce GTX 650，pci总线ID：0000：01：00.0，计算能力：3.0）。最低要求的Cuda能力是3.5。“

我发现这个answer的说法是从源头而不是pip建立张量流，但是我发现这很困难 !!

为什么未检测到我的GPU？这个过程中有什么问题吗？

---

Answer 1

您应该使用诸如1050或更高版本的新版本来解决大多数问题。

请参见here

被提及

硬件要求

支持以下支持GPU的设备：

具有CUDA®Compute Capability 3.5或更高版本的NVIDIA®GPU卡。请参阅支持CUDA的GPU卡列表。