tensorflow测试gpu_如何检验 tensorflow-gpu 安装成功 ?
编写 demo.py
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
查看日志信息若包含gpu信息,就是使用了gpu。
其他方法:跑计算量大的代码,通过 nvidia-smi 命令查看gpu的内存使用量。
执行 demo.py
执行方式1:在 python-IDLE 中打开文件demo.py 并 Run Model :
>>>
== RESTART: D:下载forGPU--CUDA--TensorFlow--CUDNNtensorflow-gpu_demo_01.py ==
>>>
什么情况?没有 gpu 信息?
执行方式2:在cmd下执行demo.py :
D:下载forGPU--CUDA--TensorFlow--CUDNN>tensorflow-gpu_demo_01.py
2018-11-02 17:25:34.590159: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
Device mapping: no known devices.
2018-11-02 17:25:34.609960: I tensorflow/core/common_runtime/direct_session.cc:291] Device mapping:
问题:无法获取GPU设备信息?
win10 下安装 tensorflow_gpu 的各种尝试之后,终于可获取 GPU 设备了。
遇到的坑,备忘如下:
1. 为GPU显卡安装驱动: Nvidia GPU drivers: for GeForce 730
特别说明:考虑到驱动版本比CUDA9所带版本要高,可能会有冲突,可以跳过这一步,直接在第3步安装CUDA 9 时一起安装,保持版本一致,安心些。
2. 安装 Microsoft Visual C++ 2015 Redistributable Update 3 and Build Tools
说明:win10下之前安装了vs2017,但查资料要求vc++2015 Redistributable...多次安装 tensorflow_gpu 无果后,老实安装单个组件!否则CUDA9安装时就会报一个失败信息:
3. 安装 CUDA Toolkit: 9.0.176
开始安装了CUDA 10,尽管有资料显示,目前 CUDA 10 也是可以构建 tensorflow_gpu 的,但是,各种尝试失败,放弃了,老实安装 CUDA 9。
4. CUDNN: 7.0.5-win10 for CUDA 9.0
开始安装了 cuDNN 7.2 for CUDA10,后来安装了cuDNN 7.2 for CUDA 9,失败。前人的经验贴,还是要 cuDNN 7.0 才能与 CUDA 9 匹配。
5. Python 3.6.7
这个没啥坑。
6. Tensorflow_gpu : 1.10.0 for win10
开始安装的 tensorflow_gpu==1.11.0 就是找不到系统的GPU设备。嗯。
最终可用环境
win10 环境变量设置:
所装软件:
python3 所装模块:
D:下载forGPU--CUDA--TensorFlow--CUDNN005-tensorflow>pip3 list
Package Version
------------------- -------
absl-py 0.6.1
astor 0.7.1
cycler 0.10.0
gast 0.2.0
grpcio 1.16.0
h5py 2.8.0
Keras-Applications 1.0.6
Keras-Preprocessing 1.0.5
kiwisolver 1.0.1
Markdown 3.0.1
matplotlib 3.0.1
numpy 1.14.5
pip 18.1
protobuf 3.6.1
pyparsing 2.3.0
python-dateutil 2.7.5
scipy 1.1.0
setuptools 39.0.1
six 1.11.0
tensorboard 1.10.0
tensorflow-gpu 1.10.0
termcolor 1.1.0
Werkzeug 0.14.1
wheel 0.32.2
首个测试脚本:
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
测试结果:
D:下载forGPU--CUDA--TensorFlow--CUDNN005-tensorflowforPip3>python list_devices.py
2018-11-06 16:27:41.136529: I T:srcgithubtensorflowtensorflowcoreplatformcpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-11-06 16:27:41.432483: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:1405] Found device 0 with properties:
name: GeForce GT 730 major: 3 minor: 5 memoryClockRate(GHz): 0.9015
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.66GiB
2018-11-06 16:27:41.442557: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:1484] Adding visible gpu devices: 0
2018-11-06 16:27:42.162345: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-11-06 16:27:42.169115: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:971] 0
2018-11-06 16:27:42.174183: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:984] 0: N
2018-11-06 16:27:42.177441: I T:srcgithubtensorflowtensorflowcorecommon_runtimegpugpu_device.cc:1097] Created TensorFlow device (/device:GPU:0 with 1437 MB memory) -> physical GPU (device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0, compute capability: 3.5)
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 8266507417800313319
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 1507796582
locality {bus_id: 1links {}
}
incarnation: 5735230319323510955
physical_device_desc: "device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0, compute capability: 3.5"
]
最后再注明一下,其他坑花了半天时间,最后这两个坑 cuDNN 7.2 与 tensorflow_gpu==1.11.0 因为下载时看到官方说明是支持的,啊啊啊~~~ 害我折腾了两天,最后放弃抗争,采用 cuDNN 7.0 与 tensorflow_gpu==1.10.0,才搞定了。
终于搞定,开心下!
tensorflow测试gpu_如何检验 tensorflow-gpu 安装成功 ?相关推荐
- anaconda安装成功测试_如何检验Anaconda是否安装成功
方法一: 点击"开始" -- "Anaconda3(64-bit)" -- "Anaconda Navigator".如果可以成功启动Ana ...
- 检验anaconda是否安装成功
检验anaconda是否安装成功 1:在cmd中输入 :python(按回车键),--查看是否有Python环境 2:退出python(ctrl+z)后,再接着输入:conda --version,- ...
- Anaconda3安装tensorflow 2.0版本cpu和gpu安装,Win10系统
tensorflow是在anaconda上安装的,所以先安装anconda 一.安装anaconda3 我安装的是这一个,anaconda自带python,所以不需要单独安装python 点击安装,一 ...
- Window10 NVIDIA显卡 Tensorflow 2.1 GPU 安装和测试
Window10 NVIDIA显卡 Tensorflow 2.1 GPU 安装和测试 1. 硬件要求 支持以下带有 GPU 的设备: CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU ...
- Window10 Tensorflow 2.1 GPU 安装和测试
Tensorflow 2.1 GPU 安装和测试 1. 硬件要求 2. 软件要求 简单的描述一下它们的功能 3. 安装步骤 3.1. nvidia 驱动可以到这个地址下载, 我的显卡是RTX 2070 ...
- Tensorflow 2.3 GPU安装
以下 64 位系统支持 TensorFlow: Ubuntu 16.04 或更高版本 Windows 7 或更高版本 macOS 10.12.6(Sierra) 或更高版本(不支持GPU) Raspb ...
- windows环境下tensorflow安装过程详解(亲测安装成功后测试那块)
写在最前: 在安装过程中遇到很多坑,一开始自己从官网下载了Python3.6.3或者Python3.6.5或者Python3.7.1等多个版本,然后直接pip install tensorflow或者 ...
- 【tensorflow】tensorflow -gpu安装及jupyter环境更改
tensorflow -gpu安装 首先,安装Anoconda 1. 官网下载点我: 2.安装 点击 python 3.6 version自动下载x64版,下载好之后,然后安装. 如图,打上勾之后,一 ...
- gpu tensorflow 怎么看是否安装成功_安装keras模块以及使用GPU加速
在神经网络的实现中,需要使用GPU进行加速,并使用keras模块来构建神经网络(当然,也可以使用pytorch).但是,安装并配置这些东西真的是比编程还难,过程中遇到各种问题,然后去搜解决方法,但都五 ...
最新文章
- 一步步学习SPD2010--第十一章节--处理母版页(7)--管理Content Placeholders
- C++模板:模板简述,函数模板详细说明【C++模板】(56)
- win7系统相关问题故障解决
- MySQL数据库之-foreign key 外键(一对多、多对多、一对一)、修改表、复制表
- Socket请求获取数据
- Session会话技术
- Ubuntu时间显示不准确的解决方案
- java反射基本使用,反射泛型参数类型获取
- 共享内存简介及docker容器的shm设置与修改
- PyTorch 1.0 中文官方教程:混合前端的 seq2seq 模型部署
- 蓝桥杯 基础练习 回形取数
- SQL Server执行逻辑查询时,SQL被解析的步骤
- Numpy中高维axis的操作个人理解
- grafana快速搭建数据平台
- 制造执行系统(MES)软件可以增加收入,创造更快的周转时间,提高制造商的质量
- esaywechat 微信公众号jsapi支付
- 柱状图怎么添加数据python_Python数据可视化:如何用Matplotlib创建柱状图
- 【Android高级】查看手机及应用内存状况的方法
- SD/TF卡驱动(二)--------SD卡程序初始化流程以及读写
- 风格迁移相关论文阅读笔记