Question

更新：经过更多的谷歌搜索和研究之后，我发现Tensor流不支持CUDA 10.1，并且仅支持VUDA 10.0（截至2019年2月）。因此，我必须降级到CUDA 10.0才能使用当前的TF。版本

TLDR：已安装CUDA并且CUDNN正在工作，但我无法让Tensorflow识别我的NVIDIA GEFORCE RTX 2070，它仅显示我的CPU为可用设备。通过运行此程序。

from tensorflow.python.client import device_lib

device_lib.list_local_devices()
[name: "/device:CPU:0"
 device_type: "CPU"
 memory_limit: 268435456
 locality {
 }
 incarnation: 14262450855498090337, name: "/device:XLA_CPU:0"
 device_type: "XLA_CPU"
 memory_limit: 17179869184
 locality {
 }
 incarnation: 1345793131978591054
 physical_device_desc: "device: XLA_CPU device"]

长版我正在尝试在Ubnutu上使用Cuda来减少我的机器学习算法的培训时间。凯拉斯== 1.0.7 TensorFlow = 1.13.1

此问题类似，但无济于事。我的结果也很好。

How to check if cuda is installed correctly on Anaconda

我的图形卡（NVIDIA RTX 2070）所需的Nvidia驱动程序（10.1）：

nvidia-smi
Mon Apr 15 18:39:13 2019       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.56       Driver Version: 418.56       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 2070    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   42C    P8     7W /  N/A |      0MiB /  7952MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

然后检查我的CUDA安装：（图形卡要求为10.1）

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105

到目前为止，一切似乎都不错。但是当我尝试测试我的Cuda和Cudnn安装这里有很多文本，但是我执行了以下命令。

cd cudnn_samples_v7/mnistCUDNN/
make clean && make
result is successful
./mnistCUDNN
lots of text followed by:
Result of classification: 1 3 5
Test passed!

因此，通过所有这些验证，似乎CUDA和CUDNN已启动并在我的系统上运行。但是，当我尝试在TensorFlow或Keras中签入时，它没有显示我的GPU。

from tensorflow.python.client import device_lib

device_lib.list_local_devices()
[name: "/device:CPU:0"
 device_type: "CPU"
 memory_limit: 268435456
 locality {
 }
 incarnation: 14262450855498090337, name: "/device:XLA_CPU:0"
 device_type: "XLA_CPU"
 memory_limit: 17179869184
 locality {
 }
 incarnation: 1345793131978591054
 physical_device_desc: "device: XLA_CPU device"]

我遵循了本指南，了解启用了GPU的Tensorflow版本。

https://medium.com/@cjanze/how-to-install-tensorflow-with-gpu-support-on-ubuntu-18-04-lts-with-cuda-10-nvidia-gpu-312a693744b5

他展示了可用的NVIDIA GEFORCE RTX 2070

Answer 1

经过更多的谷歌搜索和研究后，我发现Tensor flow不支持CUDA 10.1，仅截至2019年2月仅支持CUDA 10.0。因此，我必须降级到CUDA 10.0才能使用当前的TF版本

Tensorflow无法识别NVIDIA GEFORCE RTX 2070（仅CPU）

1 个答案: