Tensorflow-gpu 没有检测到 GPU？答案

【问题标题】：Tensorflow-gpu not detecting GPU?Tensorflow-gpu 没有检测到 GPU？
【发布时间】：2020-12-04 20:56:44
【问题描述】：

我在 python 3.7.4 中与 Anaconda 一起安装了 tensorflow-gpu 2.2.0 版，但我的代码始终在 CPU 上运行，并且无法检测到我的 GPU。

physical_devices= tf.config.experimental.list_physical_devices('GPU')
print(len(physical_devices))
>>> 0

当我运行这个时：

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

我明白了：

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 6159543114609950707
, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU"
memory_limit: 17179869184
locality {
}
incarnation: 4043157374881641271
physical_device_desc: "device: XLA_CPU device"
, name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 1519736160969870434
physical_device_desc: "device: XLA_GPU device"
]

XLA_GPU:0 对应于在 CPU 上运行的集成显卡，因为我已经测试了在 下使用 tf.device('/GPU:0'): 运行我的代码，并且任务管理器仅显示CPU 使用率。

我检查了我的 NVIDIA 控制面板 -> 系统信息 -> 组件，在 3D 设置下，我将 NVCUDA64.dll 描述为 NVIDIA CUDA 11.0.208 驱动程序。

到目前为止，我还没有尝试重新安装 tensorflow-gpu，期待之前可能还有其他事情要做。

【问题讨论】：

我不确定，但可能是 tf 2.2 不支持您当前的 CUDA 版本。不过，我认为 CUDA 会向后兼容。
我降级到了10.1，得到了对应的cuDNN版本，但是还是不行。有什么想法吗？

标签： python-3.x tensorflow gpu

【解决方案1】：

我自己的答案。终于成功了：

我必须下载 CUDA 10.1，然后为该版本下载 cuDNN 7.6.5。

感谢@Gerry P 和@Richard X

【讨论】：

谢谢大家，我也遇到了同样的问题，安装 cuDNN 就可以了！

【解决方案2】：

我不相信 11.0 会与 tensorflow 一起使用。你需要10.1。我有一个 RTX2070，适用的驱动程序版本是 432.00。转到 NVIDIA 站点并尝试找到 10.1 兼容的驱动程序并安装它。如果你使用 CONDA 安装 tensorflow，那么它应该已经安装了 10.1 CUDA 工具包和兼容版本的 Cudnn。

【讨论】：

我按照说明安装了 CUDA 10.1。然后我查找了该版本的相应 cuDNN 并按照安装说明进行操作，但这似乎也不起作用。
我认为您需要将 GPU 卡驱动程序更改为与 10.1 兼容的驱动程序。
你知道我应该安装什么卡驱动版本吗？我现在是451.67
这取决于您拥有的 GPU 卡。我的是RTX2070，驱动版本是432.00

【解决方案3】：

我最近安装了 tensorflow 2.7，它运行良好。这是我的配置： CUDA：11.5，CUDNN：8.3，TENSORFLOW：2.7，PYTHON：3.9.9，GPU：NVIDIA GTX 1060，驱动版本：497.29

我没有使用Conda（虽然很方便但是会导致很多版本冲突）。我在 Windows 10 上手动安装了所有内容，如下所示。因此，如果有人在 2022 年 1 月或之后寻求说明：

安装 python b/w 3.90 - 3.9.9 (https://www.python.org/downloads/release/python-399/)
安装 cuda 工具包（检查与您的 GPU 的兼容性）(https://developer.nvidia.com/cuda-toolkit-archive)
安装 cudnn 并确保它与上面安装的 cuda 版本兼容 (https://developer.nvidia.com/rdp/cudnn-archive)

*注意：不要忘记按照上面链接中的说明安装 zlib (https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-zlib-windows)

确保 cuda 和 cudnn 的 bin 在 PATH (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin), (C:\Program Files\NVIDIA GPU Computing Toolkit\cudnn) -windows-x86_64-8.3.1.22_cuda11.5-archive\bin)
安装张量流 (https://www.tensorflow.org/install/gpu) python3+安装时使用pip3
如果您想创建 Jupyter 笔记本，请安装 jupyter "pip3 install jupyterlab" (https://jupyter.org/install)
最后，重启你的机器或至少重启 shell
从 python REPL 运行以下命令，你应该得到 1 个或更多

import tensorflow as tf 

print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))

【讨论】：