Question

我的笔记本电脑是Thinkpad T470P，它似乎具有双GPU-一个是集成的Intel HD图形630，另一个是GeForce 940MX。

我安装了CUDA版本。在这台机器上的10.1成功，现在我想在Tensorflow中进行培训。我想知道培训使用的是哪个GPU，所以我尝试了以下方法：

from tensorflow.python.client import device_lib

device_lib.list_local_devices()

这就是我得到的：

[name: "/device:CPU:0"
 device_type: "CPU"
 memory_limit: 268435456
 locality {
 }
 incarnation: 17770480900406893487, name: "/device:GPU:0"
 device_type: "GPU"
 memory_limit: 1462163865
 locality {
   bus_id: 1
   links {
   }
 }
 incarnation: 5306128727345722238
 physical_device_desc: "device: 0, name: GeForce 940MX, pci bus id: 0000:02:00.0, compute capability: 5.0"]

我很好奇为什么会有两个化身？一个叫/device:GPU:0，另一个叫GeForce 940MX。

据我所知，CUDA和tensorflow只能在GeForce上运行，这是真的吗，因为CUDA甚至不支持集成GPU吗？

在这种情况下，如何指定在GeForce 940MX上运行的tensorflow？由于有两个名称，因此我不确定它们是否指向不同的GPU。非常感谢您的输入！

Answer 1

首先，CUDA仅与NVIDIA显卡兼容，因此TensorFlow不会使用您的集成Intel HD图形630，也不会使用device_lib.list_local_devices()来列出您的集成Intel HD图形630。

使用的唯一GPU设备是device_type: "GPU"中列出的项目，它代表您的GeForce 940MX卡。我相信列出的其他项目指同一张GPU卡-我通常只注意设备类型= GPU的项目。要专门打印这些项目，可以使用https://stackoverflow.com/a/38580201/9672143中的以下脚本：

from tensorflow.python.client import device_lib

local_device_protos = device_lib.list_local_devices()
print([x.name for x in local_device_protos if x.device_type == 'GPU'])

一个有用的工具是命令行上的nvidia-smi。这列出了可用的NVIDIA GPU，以及正在使用每个GPU的进程。启动TensorFlow / Keras程序时，您应该看到python进程出现在nvidia-smi输出的底部。

要回答您的最后一个问题，您可以在导入TF / Keras之前，使用以下代码强制TensorFlow使用特定的GPU：

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'  # gpu ID

可以从nvidia-smi的输出中找到GPU ID，该输出显示每个GPU及其关联的ID。

如何在Tensorflow中验证和分配GPU分配？

1 个答案: