編寫 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：跑計算量大的代碼，通過 nvidia-smi 命令查看gpu的內存使用量。

執行 demo.py

執行方式1：在 python-IDLE 中打開文件demo.py 并 Run Model :

>>> == RESTART: D:下載forGPU--CUDA--TensorFlow--CUDNNtensorflow-gpu_demo_01.py == >>>

什么情況？沒有 gpu 信息？

執行方式2：在cmd下執行demo.py :

D:下載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:

問題：無法獲取GPU設備信息？

win10 下安裝 tensorflow_gpu 的各種嘗試之后，終于可獲取 GPU 設備了。

遇到的坑，備忘如下：

1. 為GPU顯卡安裝驅動： Nvidia GPU drivers: for GeForce 730

特別說明：考慮到驅動版本比CUDA9所帶版本要高，可能會有沖突，可以跳過這一步，直接在第3步安裝CUDA 9 時一起安裝，保持版本一致，安心些。

2. 安裝 Microsoft Visual C++ 2015 Redistributable Update 3 and Build Tools

說明：win10下之前安裝了vs2017，但查資料要求vc++2015 Redistributable...多次安裝 tensorflow_gpu 無果后，老實安裝單個組件！否則CUDA9安裝時就會報一個失敗信息：

3. 安裝 CUDA Toolkit: 9.0.176

開始安裝了CUDA 10，盡管有資料顯示，目前 CUDA 10 也是可以構建 tensorflow_gpu 的，但是，各種嘗試失敗，放棄了，老實安裝 CUDA 9。

4. CUDNN: 7.0.5-win10 for CUDA 9.0

開始安裝了 cuDNN 7.2 for CUDA10，后來安裝了cuDNN 7.2 for CUDA 9，失敗。前人的經驗貼，還是要 cuDNN 7.0 才能與 CUDA 9 匹配。

5. Python 3.6.7

這個沒啥坑。

6. Tensorflow_gpu : 1.10.0 for win10

開始安裝的 tensorflow_gpu==1.11.0 就是找不到系統的GPU設備。嗯。

最終可用環境

win10 環境變量設置：

所裝軟件：

python3 所裝模塊：

D:下載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

首個測試腳本：

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

測試結果：

D:下載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，其他坑花了半天時間，最后這兩個坑 cuDNN 7.2 與 tensorflow_gpu==1.11.0 因為下載時看到官方說明是支持的，啊啊啊~~~ 害我折騰了兩天，最后放棄抗爭，采用 cuDNN 7.0 與 tensorflow_gpu==1.10.0，才搞定了。

終于搞定，開心下！

總結

以上是生活随笔為你收集整理的tensorflow测试gpu_如何检验 tensorflow-gpu 安装成功 ？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。