如何在tensorflow中启用gpu 2

Question

从我的搜索结果，似乎tensorflow 2将自动使用可用的gpu。我有一个rtx 2080，但是当我运行代码print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))时，它给出了Num GPUs Available: 0。我的tensorflow版本是2.4.x。我用的是jupyter笔记本。我应该怎么做才能启用gpu?

Answer 1

请使用命令pip install tf-nightly-gpu安装TensorFlow，并让我们知道它是否像我一样工作。

尝试下面的代码片段，它将返回标志True，如果有可用的gpu

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

更新pip install tf-nightly内部的pip install tf-nightly-gpu

Answer 2

在Windows中设置Tensorflow-GPU

1. 下载并安装Microsoft Visual Studio 2015 with update 3

"使用相同的名称在Google上搜索并下载ISO映像文件并挂载它。在编程语言部分安装带有visualc++和python的MSVS。

2. 从nvidia网站下载并安装CUDA 10.0

3. 免费下载CuDNN。CUDNN 7.5.1兼容CUDA 10.0

4. 从CUDNN文件夹中提取文件并将文件粘贴到同一文件夹中的CUDA。

5. 设置路径"one_answers";libnvvp"在NVIDIA的CUDA文件夹下的系统变量

6. 使用pip在cmd下载tensorflow-gpu版本1.15.0

   安装tensorflow-gpu==1.15.0

7. 安装所有其他依赖项。numpysklearnscipy熊猫imutilsmatplotlib等。

8. 使用相同的命令下载Keras

使用以下代码测试tensorflow安装:

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
import tensorflow as tf
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")

注意:-版本兼容性可能会出现，但不能确定。

Answer 3

您应该安装正确的cuda和cudnn版本。阅读https://www.tensorflow.org/install/gpu和https://www.tensorflow.org/install/source