Question

我正在迁移到Tensorflow 2.0，我正在研究

Ubuntu 18.04

CUDA 10.2

Python 3.7

ZOTACGeForce®GTX 1080 Ti Mini（ZT-P10810G-10P）

当我运行nvcc -V和nvidia-smi时，我可以看到GPU。但是以下命令没有列出GPU。

tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)
Output: False

tf.config.experimental.list_physical_devices(device_type=None)
Output: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
PhysicalDevice(name='/physical_device:XLA_CPU:0', device_type='XLA_CPU')]

from keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output: []

编辑1：在tensorflow gpu support website上，他们有针对tensorflow 1.15和tensorflow 1.14的说明，但没有针对更高版本的说明。

重新启动并重新安装tensorflow-gpu也无济于事。

更新CUDA和cudnn也不起作用。

Answer 1

从链接https://www.tensorflow.org/install/source#linux，对于tensorflow-2.0.0，它需要cuDNN版本7.4和CUDA 10.0。不确定cuDNN的版本是什么（您可以使用

进行检查

cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2

，它应该返回：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

=>这意味着其7.5.0

我已经读到，如果上面的链接指定7.4，则不能使用任何其他版本（甚至不能是7.5、7.6等）。因此，请在cuDNN下载中查找存档版本。

我建议您卸载 / usr / local文件夹中的所有nvidia驱动程序，tensorflow-gpu，cuDNN，所有cuda库和工具包，然后重新安装。不要同时安装tensorflow和tensorflow-gpu。只需安装tensorflow-gpu即可。

以下是卸载nvidia-cuda-toolkit及其依赖项的方法：

sudo apt-get remove --auto-remove nvidia-cuda-toolkit

记住要编辑〜/ .bash_profile文件

在正确卸载并清除所有组件之后，安装nvidia-driver-418（我个人使用此版本，但根据nvidia文档，对于CUDA 10，只要其410.xx可以-nvidia docs tensorflow release notes）：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-driver-418

然后重新启动并使用nvidia-smi命令检查它是否显示： NVIDIA-SMI 430.50驱动程序版本430.50

然后下载并安装 CUDA 10.0

请不要下载任何其他版本（非10.1、10.2等-抱歉，请耐心等待）

请记住选择n（否）以安装NVIDIA Accelerated Graphics Driver。将会出现一条错误消息，提示其安装不完整，但您可以忽略它。

确保〜/ .bashrc文件包含cuda-10.0

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64

然后为CUDA 10.0下载cuDNN v7.4.2。使用tar命令解压缩tgz文件后，将cd插入cuda文件夹，并将lib64 /目录的内容及其所有内容复制到 / usr / local / cuda / lib64 / 路径。另外，将include /文件夹复制到 / usr / local / cuda / include / 路径中，如下所示：

sudo cp -P lib64/* /usr/local/cuda/lib64/
sudo cp -P include/* /usr/local/cuda/include/

检查

tf.test.is_gpu_available()

，它应该返回True。

Answer 2

是的，非常感谢@Ran Fang。

TF 2.0只能在具有CUDA 10.0和cuDNN 7.4的GPU上运行-您可以检查依赖项here

我完成了上述所有操作，当前的版本是CUDA 10.0，cuDNN 7.4.1和NVIDIA-SMI 410.129。您可以检查TF-CUDA dependencies和NVIDIA Drivers - CUDA dependencies。

对我来说，要检查cuDNN版本，以下命令可在Ubuntu 18.04上使用-

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

但是，完成上述所有操作并仅安装tensorflow-gpu并不能使GPU正常工作。

以下是最终可行的方法-首先卸载所有tensorflow软件包，然后才安装-

pip uninstall tensorflow tf-nightly tensorboard tb-nightly tensorflow-estimator

pip install tf-nightly-gpu-2.0-preview

像魅力一样工作。

按照this教程安装Tensorflow 2.0和相应的依赖项。

您还可以浏览this，this和this文档，以完全卸载较新的CUDA和cuDNN版本并安装较旧的CUDA 10.0版本。

Answer 3

完成上述所有操作后，运行model.fit（..）后出现错误-

var listFiles = ListAllFiles(service).Files; if (listFiles != null && listFiles.Count > 0) { foreach (var file in listFiles) { if (file.Id == aIdFolder && !String.IsNullOrWhiteSpace(file.TeamDriveId)) { //here your result return true; } } }

我在这里遵循了thread，并遵循了@RadV的答案，它确实有效。他的答案-

对此TensorFlow GPU指令page
上的每个指令进行升级

现在我有了

Ubuntu 18.04

当我在终端中运行UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [Op:Conv2D]时，它显示CUDA 10.2

终端中nvidia-smi的输出给出   which nvcc

使用Tensoflow 2.0.0时找不到GPU

3 个答案: