Question

我已经在cuda 7.5和8.0上尝试过tensorflow，没有cudnn（我的GPU很老，cudnn不支持它）。

当我执行device_lib.list_local_devices()时，输出中没有gpu。 Theano看到了我的gpu，并且可以正常工作，/ usr / share / cuda / samples中的示例也可以正常工作。

我通过pip install安装了tensorflow。我的gpu太老了，不支持吗？ gtx 460

Answer 1

我在jupyter笔记本中遇到过同样的问题。这可能很容易解决。

$ pip uninstall tensorflow
$ pip install tensorflow-gpu

您可以检查它是否有效：

tf.test.gpu_device_name()

Answer 2

当我查看你的GPU时，我发现它只支持CUDA Compute Capability 2.1。（可以通过https://developer.nvidia.com/cuda-gpus进行检查）不幸的是，TensorFlow需要具有最低CUDA Compute Capability 3.0的GPU。 https://www.tensorflow.org/get_started/os_setup#optional_install_cuda_gpus_on_linux

您可能会看到来自TensorFlow的一些日志检查您的GPU，但最终库将避免使用不受支持的GPU。

Answer 3

如果您使用的是conda，则可能已安装了tensorflow的cpu版本。检查环境的软件包列表（conda list），以查看是否是这种情况。如果是这样，请使用conda remove tensorflow删除软件包，然后安装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。

P.S。您应该先检查是否已使用nvidia-smi正确安装了驱动程序。默认情况下，它不在您的PATH中，因此您可能还需要将文件夹添加到您的路径中。该.exe文件可以在C:\Program Files\NVIDIA Corporation\NVSMI

中找到

Answer 4

以下对我有用，惠普笔记本电脑。我有Cuda Compute功能（版本）3.0兼容Nvidia卡。 Windows 7。

pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe uninstall tensorflow-gpu
pip3.6.exe install tensorflow-gpu

Answer 5

摘要：

检查tensorflow是否看到您的GPU（可选）
检查您的视频卡是否可以使用tensorflow（可选）
find versions of CUDA Toolkit and cuDNN SDK, compatible with your tf version
install CUDA Toolkit
install cuDNN SDK
pip卸载tensorflow; pip install tensorflow-gpu
检查tensorflow是否看到您的GPU

*来源-https://www.tensorflow.org/install/gpu

详细说明：

检查tensorflow是否看到您的GPU（可选）

from tensorflow.python.client import device_lib
def get_available_devices():
    local_device_protos = device_lib.list_local_devices()
    return [x.name for x in local_device_protos]
print(get_available_devices()) 
# my output was => ['/device:CPU:0']
# good output must be => ['/device:CPU:0', '/device:GPU:0']

检查您的卡是否可以使用tensorflow（可选）
- 我的PC：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需要计算能力3.5或更高。（https://www.tensorflow.org/install/gpu#hardware_requirements）
- https://developer.nvidia.com/cuda-gpus
- 选择“启用CUDA的GeForce产品”
- 结果-“ GeForce GTX 1060计算能力= 6.1”
- 我的卡可以与tf一起使用！

找到所需的CUDA工具包和cuDNN SDK版本

a）找到您的tf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

b）为您的tf版本找到正确的CUDA Toolkit和cuDNN SDK版本

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

安装CUDA工具包

a）安装CUDA Toolkit 10.0

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

安装cuDNN SDK

a）下载cuDNN SDK v7.4

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：

D:\Programs\x64\Nvidia\cudnn_for_cuda_10_0\bin

pip卸载tensorflow pip install tensorflow-gpu

检查tensorflow是否看到您的GPU

- restart your PC
- print(get_available_devices()) 
- # now this code should return => ['/device:CPU:0', '/device:GPU:0']

Answer 6

就我而言，我有一个可用的 tensorflow-gpu 版本 1.14，但突然停止工作。我使用以下方法解决了问题：

<a class="base"><img src='http://lorempixel.com/200/200/'></a>

Tensorflow似乎没有看到我的gpu

6 个答案: