我已经在Linux Ubuntu 16.04上成功安装了tensorflow（GPU）并进行了一些小改动，以使其能够与新的Ubuntu LTS版本一起使用。
然而，我认为（谁知道为什么）我的GPU满足了计算能力大于3.5的最低要求。情况并非如此，因为GeForce 820M只有2.1。有没有办法让tensorflow GPU版本与我的GPU配合使用？
我问的是这个问题，因为显然没有办法在Ubuntu 16.04上使用tensorflow GPU版本，但是通过搜索互联网我发现事实并非如此，事实上，如果不是因为这个不满足的要求，它几乎可以工作。现在我想知道GPU计算能力的这个问题是否也可以解决。
答案 0 :(得分：23)
用于访问GPU的GPU版本tensorflow requires compute capability 3.0 or higher (and uses cuDNN)。来自here
TensorFlow GPU支持需要具有NVidia Compute Capability＆gt; = 3.0的GPU卡。
cuDNN also requires a GPU of cc3.0 or higher：
使用Pascal，Kepler，Maxwell，Tegra K1或Tegra X1 GPU的Windows，Linux和MacOS系统支持cuDNN。
cuDNN不支持费米GPU（cc2.0，cc2.1）。
cuDNN也不支持较旧的GPU（例如计算能力1.x）。
请注意，从未是cuDNN的版本或官方支持的NVIDIA GPU低于cc3.0的任何版本的TF。 cuDNN的初始版本最初是通过要求cc3.0 GPU开始的，TF的初始版本是通过要求cc3.0 GPU开始的。
答案 1 :(得分：9)
2017年9月更新：没有问题和痛苦就无法做到这一点。我一直在努力尝试，甚至应用下面的技巧来强制它运行，但最后我不得不放弃。 如果您认真对待Tensorflow，请继续购买3.0计算能力GPU。
这是强制在2.0计算能力GPU（非官方）上运行张量流的技巧：
使用Notepad ++或类似的东西
使用正则表达式搜索3\.5.*5\.2的第一次出现
您在3.5 * 5.2之前看到3.0，将其更改为2.0
我改变了如上所述并且可以使用GPU进行简单计算，但在尝试使用实际项目时遇到奇怪和未知问题（这些项目在3.0计算能力GPU下运行良好）
答案 2 :(得分：-1)
我发现它如何在计算能力上安装Tensorflow-gpu 2.1适用于python的NVIDIA GeForce 525M，窍门很简单，使用tensorflow的存档版本，我使用1.9.0 使用PIP打包的python命令是 点安装tensorflow-gpu == 1.9.0 cuDNN版本为7.4.1