TensorFlow GPU 使用情况答案

【问题标题】：Tensorflow GPU UsageTensorFlow GPU 使用情况
【发布时间】：2018-09-10 12:50:58
【问题描述】：

因此，我正在尝试在 Keras 中训练我的第一个图像分类器，它正在以 8000 张图像的训练集快速运行。在训练期间，我的 cpu / gpu 的使用率约为 40% / 3%，我完全不相信 tensorflow-gpu 安装正确，因为我没有得到我应该看到的“成功打开的 CUDA 库”行导入时。

我的问题是：

在 1080 上训练这种大小的东西通常需要多长时间，以及
鉴于我已经安装了以下内容，在尝试设置 tensorflow-gpu 时可能会缺少什么？
- 全新安装 Windows 10
- 最新的 64 位 Anaconda
- 仅选中“使用 C++ 进行桌面开发”框的 Visual Studio 2017 安装时
- 带有最新补丁的 Cuda Toolkit 9.0
- cuDNN v7.0.5（2017 年 12 月 5 日），适用于 CUDA 9.0
- tensorflow-gpu 1.7
- 环境变量的屏幕截图

【问题讨论】：

您描述的路径不是检查tf gpu使用情况的方式。提供一些代码和输出，以便我们为您提供帮助。您使用什么 IDE 以及在哪里检查使用情况，是否检查了 nvidia-smi.exe 并查看是否为您的环境分配了内存。安装后你测试了cudnn吗？

标签： python tensorflow machine-learning keras

【解决方案1】：

检查您的 tf 是否使用 GPU 的一种方法（对我来说也是最好的）是使用 nvidia-smi：在这里你可以看到我的任务的 GPU 内存使用情况（我有 160 万个观测值，包含 13 个变量并占用约 11 GB，你的也应该占用几 mb 或 GB（不知道你的图片看起来如何））所以如果你的系统不会显示一旦您开始运行模型，此信息肯定会使用 CPU（GPU 几分钟到几小时，但 CPU 需要更长的时间）

注意：我的终端不会输出 IDE 中存在的 tensorflow 输出内容，如下所示（CUDA 没有像网上声称的那样显示在那里，该 cuda 问题仅在不兼容且无法启动 GPU 时出现在 tf):

这是正确安装 cudnn 后测试通过的信息：

P.S：希望对您有所帮助。昨天在 ubuntu 中尝试了 Tensorflow 1.7 版本，但没有按预期工作（GPU 无法正常工作，因此降级回 1.6 ）所以建议您使用 1.6:

因为您的设置与官方文档有点不同：

nvidia cuda toolkit documentation

所以这里是正确的路径：

确保设置了以下值：

Variable Name: CUDA_PATH 
Variable Value: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

【讨论】：