如何使用 TensorFlow GPU？答案

【问题标题】：How do I use TensorFlow GPU?如何使用 TensorFlow GPU？
【发布时间】：2018-12-20 18:10:04
【问题描述】：

如何在 Python 3.6 x64 中使用 TensorFlow GPU 版本而不是 CPU 版本？

import tensorflow as tf

Python 正在使用我的 CPU 进行计算。
我可以注意到它，因为我有一个错误：

您的 CPU 支持此 TensorFlow 二进制文件不支持的指令编译使用：AVX2

我已经安装了 tensorflow 和 tensorflow-gpu。

如何切换到 GPU 版本？

【问题讨论】：

您是否尝试过卸载tensorflow 并保留tensorflow-gpu 的安装状态？
尝试下载CUDA并安装GPU版本。
这只是一个警告，如果你有一个 NVIDIA GPU，Tensorflow-gpu 会自动使用它。要了解更多信息以及如何禁用警告：stackoverflow.com/a/47227886/4892874 要检查您是否正在使用 GPU：sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
设备映射：没有已知设备。我不使用 Anaconda
NVIDIA 940mx，是比较新的Nvidia显卡。 @JorgeLeitão 是的，那我没有 TensorFlow

标签： python tensorflow gpu

【解决方案1】：

按照这个教程Tensorflow GPU我做到了，效果很好。

注意！ - 安装 9.0 版！ Tensorflow-gpu 不支持更新版本

步骤：

卸载旧的 tensorflow
安装tensorflow-gpu pip install tensorflow-gpu
安装 Nvidia 显卡和驱动程序（您可能已经拥有）
下载并安装 CUDA
下载并安装 cuDNN
通过简单程序验证

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

【讨论】：

那么，CUDA 9.2 可能是问题所在？那我应该安装9.0吗？昨天安装 CUDA 9.2 后出现错误。它说我需要CUDA 9.0的DLL，我知道它使用的是GPU版本，今天我一直看到关于CPU的错误，所以它正在使用CPU。我会一步一步尝试，谢谢。
是的，大约 2 个月前我遇到了同样的问题。我尝试了 CUDA 9.1 并且 Tensorflow 不支持它。然后我卸载所有内容并使用 CUDA 9.0 重复所有步骤，现在它可以正常工作了。
也许我应该问另一个问题，但是 GPU 上的 tensorflow 是否比 PC 上的 CPU 更快？我尝试使用线性回归模型，对于 10000 epos 和 0.01 步，我的 CPU 可以在 13 秒内计算出来，而当我使用 GPU 时需要 39 秒。
Ofc 我有 CPU i7 8700k 和 GPU nVidia GTX 1060 STRING 6GB，GPU 上的速度大约快 20 倍。
请注意，较新版本的 tensorflow 将 cpu 和 gpu 包组合成一个包。 tensorflow.org/install/gpu

【解决方案2】：

我尝试按照上述教程进行操作。事情是 tensorflow 发生了很大变化，在 GPU 上运行所需的 NVIDIA 版本也是如此。下一个问题是您的驱动程序版本决定了您的工具包版本等。截至今天，有关软件要求的这些信息应该可以阐明它们如何相互作用：

NVIDIA® GPU drivers —CUDA 9.0 requires 384.x or higher.
CUDA® Toolkit —TensorFlow supports CUDA 9.0.
CUPTI ships with the CUDA Toolkit.
cuDNN SDK (>= 7.2) Note: Make sure your GPU has compute compatibility >3.0
(Optional) NCCL 2.2 for multiple GPU support.
(Optional) TensorRT 4.0 to improve latency and throughput for inference on some models.

here 你会发现 tensorflow 提出的最新要求（希望他们会定期更新）。

【讨论】：

【解决方案3】：

首先你需要安装 tensorflow-gpu，因为这个包负责 gpu 计算。还要记住使用环境变量 CUDA_VISIBLE_DEVICES = 0 运行您的代码（或者，如果您有多个 gpus，请将它们的索引放在逗号中）。可能存在与使用 gpu 相关的一些问题。如果你的 tensorflow 不使用 gpu，try this

【讨论】：

【解决方案4】：

奇怪的是，尽管 tensorflow 网站 1 提到 CUDA 10.1 与 tensorflow-gpu-1.13.1 兼容，但到目前为止它还不起作用。虽然 tensorflow-gpu 已正确安装，但在运行时会抛出奇怪的错误。

到目前为止，使用 GPU 运行 tensorflow 的最佳配置是 CUDA 9.0 和 python3.6 下的 tensorflow_gpu-1.12.0。

按照https://stackoverflow.com/a/51307381/2562870（上面的答案）中提到的步骤进行此配置，对我有用:)

【讨论】：

【解决方案5】：

如果您有 Nvidia，安装 tensorflow GPU 的“新”方法是使用 Anaconda。也适用于 Windows。 1 行。

conda create --name tf_gpu tensorflow-gpu

这是 3 个命令的快捷方式，如果您需要或者如果您已经有 conda 环境并且不需要创建一个，您可以单独执行这些命令。

创建 anaconda 环境conda create --name tf_gpu
激活环境conda activate tf_gpu
安装tensorflow-GPUconda install tensorflow-gpu

你可以使用 conda 环境。

【讨论】：

在 2：conda activate tf_gpu

【解决方案6】：

卸载tensorflow，只安装tensorflow-gpu；这应该足够了。默认情况下，这应该在 GPU 而不是 CPU 上运行。但是，您可以进一步执行以下操作来指定您希望它在哪个 GPU 上运行。

如果您有 nvidia GPU，请在终端上使用命令 nvidia-smi 找出您的 GPU id。之后，在您的脚本中添加这些行：

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = #GPU_ID from earlier

config = tf.ConfigProto()
sess = tf.Session(config=config)

对于您希望使用 GPU 的函数，请编写如下内容：

with tf.device(tf.DeviceSpec(device_type="GPU", device_index=gpu_id)):

【讨论】：

【解决方案7】：

按照最新版本文档中的步骤操作。注意：GPU 和 CPU 功能现在合并在一个 tensorflow 包中

pip install tensorflow

# OLDER VERSIONS pip install tensorflow-gpu

https://www.tensorflow.org/install/gpu

如果需要，这是安装驱动程序和 CUDA 的绝佳指南： https://www.quantstart.com/articles/installing-tensorflow-22-on-ubuntu-1804-with-an-nvidia-gpu/

【讨论】：