我目前正在使用cuda 9.0运行tensorflow-gpu 1.8。当我在下面训练模型时，我注意到我的CPU使用率为99％，但我的Tesla M60使用率为0％。
将tensorflow导入为tf
tf.test.gpu_device_name()
def train(tfidf_matrix, num_clusters):
# Convert sparse matrix to dense matrix
points = tfidf_matrix.todense()
tf.device('/gpu:0')
def input_fn():
return tf.train.limit_epochs(tf.convert_to_tensor(points, dtype=tf.float32), num_epochs=1)
kmeans = tf.contrib.factorization.KMeansClustering(num_clusters=num_clusters, use_mini_batch=False)
num_iterations = 100
kmeans.train(input_fn=input_fn, steps=num_iterations)
print('score:', kmeans.score(input_fn))
# map the input points to their clusters
cluster_indices = list(kmeans.predict_cluster_index(input_fn))
return kmeans, cluster_indices
我似乎无法使模型在gpu上运行。我尝试这样做：
with tf.device('/gpu:0'):
kmeans.train(input_fn)
，但它仍在cpu上运行。 当我运行tf.test.gpu_device_name（）时，我得到了
`2018-07-18 15：28：47.105452：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1392]找到具有以下属性的设备0： 名称：Tesla M60主要：5个次要：2个内存时钟频率（GHz）：1.1775 pciBusID：0000：00：1e.0 totalMemory：7.44GiB空闲内存：7.12GiB 2018-07-18 15：28：47.105846：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1471]添加可见的gpu设备：0 2018-07-18 15：28：47.852029：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：952]具有强度1边缘矩阵的设备互连StreamExecutor： 2018-07-18 15：28：47.852268：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：958] 0 2018-07-18 15：28：47.852440：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：971] 0：N 2018-07-18 15：28：47.852859：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1084]创建了TensorFlow设备（/ device：GPU：0与6874 MB内存）->物理GPU（设备：0，名称：Tesla M60，pci总线ID：0000：00：1e.0，计算能力：5.2