40

我已经花了相当多的时间在堆栈溢出上进行挖掘,并寻找答案,但找不到任何东西

大家好,

我在上面运行带有 Keras 的 Tensorflow。我 90% 确定我安装了 Tensorflow GPU,有没有办法检查我安装了哪个?

我试图从 Jupyter 笔记本上运行一些 CNN 模型,我注意到 Keras 正在 CPU 上运行模型(检查任务管理器,CPU 为 100%)。

我尝试从 tensorflow 网站运行此代码:

# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

这就是我得到的:

MatMul: (MatMul): /job:localhost/replica:0/task:0/cpu:0
2017-06-29 17:09:38.783183: I c:\tf_jenkins\home\workspace\release-win\m\windows\py\35\tensorflow\core\common_runtime\simple_placer.cc:847] MatMul: (MatMul)/job:localhost/replica:0/task:0/cpu:0
b: (Const): /job:localhost/replica:0/task:0/cpu:0
2017-06-29 17:09:38.784779: I c:\tf_jenkins\home\workspace\release-win\m\windows\py\35\tensorflow\core\common_runtime\simple_placer.cc:847] b: (Const)/job:localhost/replica:0/task:0/cpu:0
a: (Const): /job:localhost/replica:0/task:0/cpu:0
2017-06-29 17:09:38.786128: I c:\tf_jenkins\home\workspace\release-win\m\windows\py\35\tensorflow\core\common_runtime\simple_placer.cc:847] a: (Const)/job:localhost/replica:0/task:0/cpu:0
[[ 22.  28.]
 [ 49.  64.]]

对我来说,出于某种原因,这表明我正在我的 CPU 上运行。

我有一个 GTX1050(驱动程序版本 382.53),我安装了 CUDA、Cudnn 和 tensorflow,没有任何问题。我也安装了 Visual Studio 2015,因为它被列为兼容版本。

我记得 CUDA 提到安装了不兼容的驱动程序,但如果我没记错的话,CUDA 应该安装了自己的驱动程序。

编辑: 我运行这些命令来列出可用的设备

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

这就是我得到的

[name: "/cpu:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 14922788031522107450
]

还有很多这样的警告

2017-06-29 17:32:45.401429: W c:\tf_jenkins\home\workspace\release-win\m\windows\py\35\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.

编辑 2

试过跑步

pip3 install --upgrade tensorflow-gpu

我得到

Requirement already up-to-date: tensorflow-gpu in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages
Requirement already up-to-date: markdown==2.2.0 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: html5lib==0.9999999 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: werkzeug>=0.11.10 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: wheel>=0.26 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: bleach==1.5.0 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: six>=1.10.0 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: protobuf>=3.2.0 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: backports.weakref==1.0rc1 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: numpy>=1.11.0 in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from tensorflow-gpu)
Requirement already up-to-date: setuptools in c:\users\xxx\appdata\local\programs\python\python35\lib\site-packages (from protobuf>=3.2.0->tensorflow-gpu)

已解决: 查看评论以获取解决方案。感谢所有帮助过的人!

我是新手,所以非常感谢任何帮助!谢谢你。

4

6 回答 6

35

要检查哪些设备可用于 TensorFlow,您可以使用它并查看 GPU 卡是否可用:

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

编辑此外,如果您使用 TensorFlow Cuda 版本,您应该会看到这种日志:

I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so.*.* locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so.*.*  locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so.*.*  locally
于 2017-06-29T15:30:11.817 回答
19

听起来可能很愚蠢,但请尝试重新启动。它帮助了我和 GitHub 中的其他一些人。

于 2018-03-18T15:16:58.013 回答
9

即使通过 pip 正确安装了 tensorflow-gpu,我仍然无法获得 GPU 支持。我的问题是我安装了 tensorflow 1.5 和 CUDA 9.1(Nvidia 指导您使用的默认版本),而预编译的 tensorflow 1.5 适用于 CUDA 版本 <= 9.0。这是 nvidia 网站上的下载页面,以获取正确的 CUDA 9.0:

https://developer.nvidia.com/cuda-90-download-archive

还要确保将您的 cuDNN 更新到与 CUDA 9.0 兼容的版本 https://developer.nvidia.com/cudnn https://developer.nvidia.com/rdp/cudnn-download

于 2018-02-01T21:16:40.790 回答
0

我遇到了类似的问题,我有以下版本的张量流库。

tensorboard               2.4.1              pyhd8ed1ab_1    conda-forge
tensorboard-plugin-wit    1.8.0              pyh44b312d_0    conda-forge
tensorflow                2.4.1            py39hf3d152e_0    conda-forge
tensorflow-base           2.4.1            py39h23a8cbf_0    conda-forge
tensorflow-estimator      2.4.0              pyh9656e83_0    conda-forge
tensorflow-gpu            2.4.1                h30adc30_0

相同版本的库安装在另一台能够使用 GPU 的机器上。两台机器上的 Cuda 工具包版本和驱动程序版本相同(它工作的机器和不工作的机器)。

原来原因是 tensorflow-gpu=2.4.1 与 python 版本 3.8.10 兼容。将我的 python 版本更改为 3.8.10 并保持所有其他内容不变对我有用!

于 2021-11-13T22:41:12.613 回答
0

如果您碰巧使用 Anaconda 来管理您的环境 => 卸载所有现有版本的 tensorflow

pip uninstall tensorflow
pip3 uninstall tensorflow

使用 conda 安装 tensorflow-gpu

conda install tensorflow-gpu

如果您不介意从新环境开始,那么最简单的方法是

conda create --name tf_gpu tensorflow-gpu 

创建一个名为 tf_gpu 并安装了 tensorflow gpu 的新 conda 环境

于 2021-08-10T06:54:58.827 回答
0

对我来说,以下工作。

我使用了 conda 环境,因为 python 环境意味着LD_LIBRARY_PATH手动设置和安装 Cuda,这又是一团糟。

在提到的博客中,他已经安装cudatoolkitcudann在 conda 中安装,然后安装tensorflow-gpu,从而解决了问题。

PS,据我所知,cudatoolkit and cudann在让您的代码在 tensorflow-gpu 上运行方面发挥着重要作用。

于 2021-01-13T19:17:42.810 回答