在g2.2xlarge EC2实例上安装TensorFlow及其依赖项之后，我尝试从入门页面运行一个MNIST示例：
python tensorflow/models/image/mnist/convolutional.py
但我收到以下警告：
I tensorflow/core/common_runtime/gpu/gpu_device.cc:611] Ignoring gpu device
(device: 0, name: GRID K520, pci bus id: 0000:00:03.0) with Cuda compute
capability 3.0. The minimum required Cuda capability is 3.5.
这是一项艰难的要求吗？我有机会评论一下TensorFlow的分支吗？能够在AWS中训练模型真是太棒了。
答案 0 :(得分：9)
official installation page中有一个部分指导您启用Cuda 3，但您需要从源代码构建Tensorflow。
$ TF_UNOFFICIAL_SETTING=1 ./configure
# Same as the official settings above
WARNING: You are configuring unofficial settings in TensorFlow. Because some
external libraries are not backward compatible, these settings are largely
untested and unsupported.
Please specify a list of comma-separated Cuda compute capabilities you want to
build with. You can find the compute capability of your device at:
https://developer.nvidia.com/cuda-gpus.
Please note that each additional compute capability significantly increases
your build time and binary size. [Default is: "3.5,5.2"]: 3.0
Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Configuration finished
答案 1 :(得分：8)
目前，官方仅支持具有计算能力＆gt; = 3.5的GPU。但是，GitHub用户@infojunkie提供了a patch，可以将TensorFlow与具有3.0计算能力的GPU一起使用。
官方修复正在开发中。同时，请查看GitHub issue上有关添加此支持的讨论。
答案 2 :(得分：2)
有一个简单的伎俩。你甚至不必从源头建立TF。
在tensorflow\python\_pywrap_tensorflow.pyd文件中，有两个正则表达式3\.5.*5\.2。只需将3.5替换为3.0。
在Windows 10，Anaconda 4.2.13，Python 3.5.2，TensorFlow 0.12，CUDA 8，NVidia GTX 660m（CUDA上限3.0）上进行了测试。