0

我是 GPU 相关模型训练的新手。我有带有 6GB GPU 的 Tesla C2075，并使用 keras CuDNNLSTM 进行更快的训练。我已经使用 cudnn=7.0.5、tensorflow-gpu==1.12.0 并使用 ubuntu 16.04 安装了 cuda-9。对于 Tesla C2075 GPU 型号是否兼容 cuda-9？我已经检查了https://developer.nvidia.com/cuda-gpus链接，他们提到 tesla C2075 与 2.0 计算兼容。什么是计算兼容？

在运行我的模型张量流日志时，

tensorflow/core/common_runtime/gpu/gpu_device.cc:1482] Ignoring visible gpu device (device: 0, name: Tesla C2075, pci bus id: 0000:03:00.0, compute capability: 2.0) with Cuda compute capability 2.0. The minimum required Cuda capability is 3.5.

而且我在model.fit（...）时也遇到了错误，

InvalidArgumentError (see above for traceback): No OpKernel was registered to support Op 'CudnnRNN' with these attrs.  Registered devices: [CPU,XLA_CPU,XLA_GPU], Registered kernels:
  device='GPU'; T in [DT_DOUBLE]
  device='GPU'; T in [DT_FLOAT]
  device='GPU'; T in [DT_HALF]

[[node bidirectional_1/CudnnRNN (defined at /usr/local/lib/python3.5/dist-packages/tensorflow/contrib/cudnn_rnn/python/ops/cudnn_rnn_ops.py:922)  = CudnnRNN[T=DT_FLOAT, direction="unidirectional", dropout=0, input_mode="linear_input", is_training=true, rnn_mode="lstm", seed=87654321, seed2=0](bidirectional_1/transpose, bidirectional_1/ExpandDims_1, bidirectional_1/ExpandDims_2, bidirectional_1/concat)]]

谢谢

4

1 回答 1

2

CUDA 计算能力在某种程度上与 GPU 的架构和硬件能力有关，维基百科中有相当广泛的列表。

tensoflow 网页建议您需要一个 CC 大于 3.5 的 GPU（旧版本似乎接受 3.0，但永远不会更低）。

不幸的是，这是一个硬件限制，改变计算能力的唯一方法是使用不同的 GPU。简单地说：你不能在那个 GPU 上运行 Tensorflow。

于 2019-03-13T11:37:13.300 回答