Question

我了解从任何意义上讲，这都不是推荐用于机器学习的设置，但是我想使用已有的知识。

不是专家，有人告诉我tf-gpu应该可以与cuda支持的任何设备一起使用。

当我跑步时：

from numba import cuda
cuda.detect()

我得到：

Found 1 CUDA devices
id 0        b'GeForce MX130'                              [SUPPORTED]
                      compute capability: 5.0
                           pci device id: 0
                              pci bus id: 1
Summary:
    1/1 devices are supported

我可以让GPU处理一些基本的“矢量化”任务。

另外，正在运行：

import tensorflow as tf
tf.test.is_built_with_cuda()

将返回True

但是，跑步

tf.config.experimental.list_physical_devices('gpu')

将返回一个空列表。

运行：

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

会返回：

Num GPUs Available:  0

运行：

strategy = tf.distribute.MirroredStrategy()
print("Number of devices: {}".format(strategy.num_replicas_in_sync))

将返回：

WARNING:tensorflow:There are non-GPU devices in `tf.distribute.Strategy`, not using nccl allreduce.
INFO:tensorflow:Using MirroredStrategy with devices ('/job:localhost/replica:0/task:0/device:CPU:0',)
Number of devices: 1

我已经使用非gpu版本的tensorflow训练了一些基本模型，但是我不知道如何处理tf-gpu。根据任务管理器的介绍，我能够用CuDNNLSTM图层拟合模型，但是脚本未使用GPU。

我将非常感谢您提供有关如何使用它的“ gpu”的任何建议，或者确认它是不可能的。谢谢！

已编辑：

我卸载了keras和两个tensorflow版本，并且仅安装了tensorflow-gpu。什么都没改变。

Answer 1

绝对是！

我认为计算能力：5.0就足够了。

我在Python 3.7中用conda安装的tensorflow-gpu（处理cuda，版本兼容性等）测试了我的Geforce MX130

conda install tensorflow-gpu

就是这样！无需其他操作。已安装以下版本：

tensorflow-gpu: 2.1.0
cudatoolkit: 10.1.243
cudnn: 7.6.5

...而且有效！

Answer 2

同时安装Cuda和CuDNN。设置它们的路径。要检查TensorFlow是否正在使用GPU，请使用以下命令：

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

它应该在输出中显示您的GPU名称。

Answer 3

不幸的是，

即使官方规格说明为“是”，但CUDA GPU列表中并未提及MX130作为其列表的一部分。

（我也在笔记本电脑上运行MX130）

参考：

官方规格：https://www.nvidia.com/en-us/geforce/gaming-laptops/mx130/specifications/
已启用CUDA的GPU列表：https://developer.nvidia.com/cuda-gpus

我可以让tensorflow-gpu与NVIDIA GeForce MX130一起使用吗？

3 个答案: