我正在docker容器上运行Tensorflow 1.5.0，因为我需要使用一个不使用AVX字节码的版本，因为我正在运行的硬件太旧了，无法支持它。
我终于让tensorflow-gpu正确导入（将docker映像降级到tf 1.5.0之后），但是现在当我运行任何代码来检测GPU时，它说GPU不存在。
我看了看docker日志，Jupyter吐出了这条消息
Ignoring visible gpu device (device: 0, name: GeForce GTX 760, pci bus id: 0000:01:00.0, compute capability: 3.0) with Cuda compute capability 3.0. The minimum required Cuda capability is 3.5.
tensorflow网站上说支持计算能力为3.0的GPU，为什么它说它需要计算能力3.5？
有什么方法可以获取使用tf 1.5.0但支持具有计算能力的GPU的tensorflow和jupyter的docker映像吗？
答案 0 :(得分：2)
您需要从源代码构建TensorFlow，使用pip安装的典型轮子是根据使用Compute Capability 3.5的要求构建的，但是TensorFlow确实支持Compute Capability 3.0：
https://www.tensorflow.org/install/install_sources
具有CUDA计算能力3.0或更高版本的GPU卡。见NVIDIA 支持GPU卡列表的文档。
您可以构建最新的TF版本，因为这也会自动检测CPU的功能，并且不应使用AVX。
答案 1 :(得分：0)
必须在系统上安装以下NVIDIA 硬件：
- 具有CUDA计算能力 3.5或更高版本的GPU卡。有关受支持的GPU卡的列表，请参见NVIDIA documentation。
其他Tensorflow版本支持具有计算能力3.0的GPU，包括older versions和later versions，但不特别包含Tensorflow 1.5。升级硬件，或选择其他Tensorflow版本。
答案 2 :(得分：0)
我花了一天的时间尝试从源头上构建这个东西，最终对我有用的是非常令人惊讶的：TF 1.5.0的预制轮子不再抱怨了，而TF 1.14的预制轮子.0确实抱怨。似乎您使用了相同的版本，所以它很有趣，但是我想我会分享的，因此，如果有人为此苦苦挣扎，似乎有一个简单的出路。