使用 TensorFlow 2.0.0 时找不到 GPU

Question

我正在迁移到Tensorflow 2.0，我正在研究

乌班图 18.04

库达 10.2

蟒蛇 3.7

佐泰 GeForce® GTX 1080 钛迷你 (ZT-P10810G-10P(

当我运行nvcc -V和nvidia-smi时，我可以看到GPU。但以下命令未列出 GPU。

tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)
Output: False
tf.config.experimental.list_physical_devices(device_type=None)
Output: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
PhysicalDevice(name='/physical_device:XLA_CPU:0', device_type='XLA_CPU')]
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output: []

编辑 1：在 tensorflow GPU 支持网站上，他们有tensorflow 1.15和tensorflow 1.14的说明，但没有更高版本的说明。

重新启动和重新停止 tensorflow-gpu 也无济于事。

更新 CUDA 和 cudnn 也不起作用。

Answer 1

从链接 https://www.tensorflow.org/install/source#linux，对于 tensorflow-2.0.0，它需要 cuDNN 版本 7.4 和 CUDA 10.0。不确定您的 cuDNN 版本是什么(您可以通过以下方式检查：

cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2

它应该返回：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

=>这意味着它的 7.5.0

我读过，如果上面的链接指定 7.4，则不能使用任何其他版本(甚至不是 7.5、7.6 等(。因此，请在 cuDNN 下载中查找存档版本。

我建议你卸载/usr/local 文件夹中的所有 nvidia 驱动程序、tensorflow-gpu、cuDNN、所有 cuda 库和工具包，然后进行全新安装。不要同时安装 tensorflow 和 tensorflow-gpu。只需安装tensorflow-gpu。

以下是卸载 nvidia-cuda-toolkit 及其依赖项的方法：

sudo apt-get remove --auto-remove nvidia-cuda-toolkit

记得编辑你的 ~/.bash_profile 文件

正确卸载并清除所有内容后，安装 nvidia-driver-418(我个人使用此版本，但根据 nvidia 文档，对于 CUDA 10 只要它的 410.xx 就可以了 - nvidia docs tensorflow 发行说明(：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-driver-418

然后重新启动并使用 nvidia-smi 命令检查它说： NVIDIA-SMI 430.50驱动程序版本 430.50

然后下载并安装CUDA 10.0

请不要下载任何其他版本(不是 10.1、10.2 等 - 抱歉唠叨(

请记住选择 n(否(来安装 NVIDIA 加速显卡驱动程序。将出现一条错误消息，指出其安装不完整，但您可以忽略它。

确保 ~/.bashrc 文件包含 CUDA-10.0

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64 

然后下载适用于 CUDA 10.0 的 cuDNN v7.4.2。使用 tar 命令解压缩 tgz 文件后，cd 到 cuda 文件夹中，并将 lib64/目录的内容及其所有内容复制到/usr/local/cuda/lib64/路径中。另外，将 include/文件夹复制到/usr/local/cuda/include/路径中，如下所示：

sudo cp -P lib64/* /usr/local/cuda/lib64/
sudo cp -P include/* /usr/local/cuda/include/

检查与

tf.test.is_gpu_available()

它应该返回 True。

Answer 2

完成上述所有操作后，我在运行 model.fit(..( 后出现错误 -

UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [Op:Conv2D]

我在这里按照线程并遵循@RadV答案，它奏效了。他的回答——

根据此 TensorFlow GPU 指令页面上的指令升级

所以现在我有，

乌班图 18.04

当我在终端中运行nvidia-smi时，它显示 CUDA 10.2

终端中which nvcc的输出给出/usr/local/cuda-10.0/bin/nvcc

Answer 3

是的，非常感谢方@Ran。

TF 2.0 只能在 CUDA 10.0 和 cuDNN 7.4 的 GPU 上运行 - 您可以 在此处检查依赖项

我完成了以上所有操作，我目前的版本是CUDA 10.0，cuDNN 7.4.1和NVIDIA-SMI 410.129。您可以检查 TF-CUDA 依赖项和 NVIDIA 驱动程序 - CUDA 依赖项。

对我来说，要检查 cuDNN 版本，以下命令适用于 Ubuntu 18.04 -

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

但是做上述所有操作并仅安装tensorflow-gpu并没有使GPU正常工作。

最终有效的是以下 - 先卸载所有 tensorflow 包，然后只安装 -

pip uninstall tensorflow tf-nightly tensorboard tb-nightly tensorflow-estimator

pip install tf-nightly-gpu-2.0-preview

像魅力一样工作。

按照本教程相应地安装 Tensorflow 2.0 和依赖项。

您还可以通过此，此和此文档来完全卸载较新的CUDA和cuDNN版本，并安装较旧的CUDA 10.0版本。