此消息是否表示我正确安装了tensorflow GPU？

Question

我已经通过pip顺利安装了tensorflow CPU，但是后来我想到了，为什么不获取gpu版本呢？我运行了pip卸载tensorflow，然后下载了CUDA 9.2，后来意识到它没有找到文件，因为它必须是CUDA 9.0。因此，我卸载了9.2并安装了9.0，然后按照NVIDIA CUDA文档上的步骤进行操作，并将CUDAPATH \ 9.0 \ bin和CUDAPATH \ 9.0 \ libnvvd添加到PATH环境变量中。我将cuDNN 7.0文件复制到CUDA 9.0中（lib，include和x64文件），然后在cmd中运行python并将tensorflow导入为tf，没有错误，但是随后在tf.Session（）之后得到了该消息。

    2018-08-09 19:49:02.740730: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
        2018-08-09 19:49:03.477475: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties:
        name: GeForce GTX 960M major: 5 minor: 0 memoryClockRate(GHz): 1.0975
        pciBusID: 0000:01:00.0
        totalMemory: 2.00GiB freeMemory: 1.65GiB
        2018-08-09 19:49:03.486507: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0
        2018-08-09 19:52:16.961533: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
        2018-08-09 19:52:16.972650: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971]      0
        2018-08-09 19:52:16.976165: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0:   N
2018-08-09 19:52:16.985841: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1408 MB memory) -> physical GPU (device: 0, name: GeForce GTX 960M, pci bus id: 0000:01:00.0, compute capability: 5.0)

虽然不是错误消息，但我感觉有些不对。我想使用GPU而不是将CPU用于tensorflow，看起来有点像正在检查tensorflow CPU和GPU？ 如何确保所有设置正确并仅使用tensorflow GPU？运行此tf.Session（）时如何停止得到此错误消息？另外，以为我可能会补充说，tensorflow安装在计算机的anaconda3文件目录中。

编辑：有人告诉我，收到的消息正是安装tensorflow gpu后应该得到的消息。我将保留问题并更改问题说明，以便其他有类似问题的用户可以从答案中受益。

Answer 1

消息正常。

张量流的GPU版本同时使用CPU和GPU，因为并非张量流中的所有操作都可以放置在GPU上。

创建本地会话后，tensorflow运行时将查找并检查所有可用设备，检查信息如您所见在屏幕上打印出来。如果没有看到错误，则表明您已正确安装tensorflow-gpu。

如果要查看更多信息，请在命令行中运行nvidia-smi，可以看到tensorflow进程，并且gpu内存在默认情况下已用完。