大佬教程收集整理的这篇文章主要介绍了新的 Tensorflow 2.4 GPU 问题 硬件:软件编辑:,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
Tensorflow 2.4.1 无法识别我的 GPU,即使我按照 the official instructions from Tensorflow 以及 NVIDIA for CUDA 和 NVIDIA for cuDNN 中的那些将其安装在我的计算机中。我也在 conda 中安装了它(我不确定是否需要它?)。
当我尝试 official way to check if TF 使用 GPU 时,我得到 0:
import tensorflow as tf
print("Num GPUs Available: ",len(tf.config.List_physical_devices('GPU')))
Num GPUs Available: 0
我的 NVIDIA 满足要求 specified by Tensorflow。
我如上所述安装了 CUDA(带有 CUPTI)和 cuDNN,所以我得到了:
ubuntu 20.04 LTS
NVIDIA driver = 460.39
CUDA (+CUPTI) = 11.2
cuDNN = 8.1.1
在 conda 环境中:
python = 3.8
tensorflow = 2.4.1
(我理解这是获得 GPU 支持的新方式)并且我为 cudatoolkit==11.0
安装了额外的 cudnn==8.0
和 conda
,如前所述 here。
当我没有 conda
额外的软件包时它不起作用,即使我安装了这些额外的软件包它仍然不起作用。
经过相当多的广泛研究,它终于在我的电脑上运行了:最新版本的组件(即 CUDA 11.2
、cuDNN 8.1.0
)未经测试,无法确保在 TF 2.4 中工作.1.因此,这是我的最终配置:
nvidia-drivers-460.39
有 CUDA 11.2
个驱动程序。但是,您仍然可以安装 CUDA 11.0
runtime 并从 official NVIDIA archive for CUDA 获取它。仍然必须遵循安装说明(即添加路径变量等)。cuDNN
库需要在 8.0.4 版上。您也可以从 official NVIDIA archive for cuDNN
在these specific versions上安装两个组件后,我成功得到:
import tensorflow as tf
print("Num GPUs Available: ",len(tf.config.list_physical_devices('GPU')))
Num GPUs Available: 1
一些首次出现的消息表明 GPU 库已正确导入。
顺便说一句!对于那些使用 Pycharm 的人,要么将环境变量也包含在 PyCharm 中,要么在系统范围内设置它们。否则,您仍然无法获得 TF 来获得 GPU。
以上是大佬教程为你收集整理的新的 Tensorflow 2.4 GPU 问题 硬件:软件编辑:全部内容,希望文章能够帮你解决新的 Tensorflow 2.4 GPU 问题 硬件:软件编辑:所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。