Question

我在Ubuntu 16.04.4的conda环境中安装了tensorflow和tensorflow-gpu 1.8.0 conda（不是pip）软件包：

conda list t.*flow
# packages in environment at /home/lebedov/miniconda3/envs/TF: 
#
# Name                    Version                   Build  Channel
_tflow_180_select         1.0                         gpu  
tensorflow                1.8.0                    py36_1    conda-forge
tensorflow-gpu            1.8.0                h7b35bdc_0

我的系统上安装了CUDA 9.0，该系统具有Quadro M2200 GPU。我可以看到nvidia-smi输出中列出了GPU，也可以使用其他深度学习框架（例如PyTorch 0.4.0）访问GPU，但是由于某些原因，TensorFlow似乎看不到它：

Python 3.6.5 | packaged by conda-forge | (default, Apr  6 2018, 13:39:56) 
Type 'copyright', 'credits' or 'license' for more information
IPython 6.4.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import tensorflow as tf
   ...: sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
2018-07-11 23:21:11.827064: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
Device mapping: no known devices.
2018-07-11 23:21:11.827942: I tensorflow/core/common_runtime/direct_session.cc:284] Device mapping:

但是，如果我降级到tensorflow-gpu 1.7.0，则可以看到GPU。关于为何TensorFlow 1.8.0无法检测到GPU的任何想法？

Answer 1

Anaconda的tensorflow 1.8.0软件包似乎正确支持GPU，但是conda-forge的软件包不支持。参见this issue。

Answer 2

我也有类似的实例，其中tensorflow-gpu不会在默认情况下运行。

对于我来说，我只是通过卸载tensorflow并仅保留tensorflow-gpu来解决了它。这样，它将始终与GPU一起运行，因为没有其他选择。

就兼容性而言，我建议使用新的conda安装tensorflow-gpu的方式，该方式将自动为您安装相关的cudnn文件。代码如下：

conda create -n [EnvironmentName] python = 3.6

conda激活[EnvironmentName]

conda install -c conda-forge tensorflow-gpu == 1.14

它将评估您需要哪个版本（CUDA，CUDNN等），并将其直接下载并安装到您的环境中。然后从此环境运行python文件。

事后请使用“ conda list”进行检查，以确保为您安装了tensorflow-gpu。

tensorflow-gpu 1.8.0 conda软件包无法访问GPU

2 个答案: