如何以编程方式为TensorFlow中的所有可用内核构建CUDA JIT缓存？

Question

我遇到了this question中讨论过的GTX 1080卡和nvidia-docker的“第一次运行缓慢”问题。

我正在使用its official pip package的TensorFlow版本和基于nvidia-docker的Ubuntu 16.04基本图像的自定义docker镜像。

如何让TensorFlow以编程方式在Dockerfile中加载（并构建JIT缓存）所有已注册的CUDA内核？ （而不是使用TF_CUDA_COMPUTE_CAPABILITIES环境变量手动构建TensorFlow）

Answer 1

似乎没有简单的方法来实现这一点，因为CUDA运行时隐式地，懒惰地从给定的内核源as discussed here编译缺少的cubin。

通过自己重建TensorFlow解决了这个问题，使用一些帮助程序脚本来检测当前的CUDA / GPU配置并生成所需的TensorFlow配置参数（detect-cuda.py，build-tensorflow.sh）。