使用 GPU 进行 TensorFlow 对象检测答案

【问题标题】：Using GPU for tensorflow object detection使用 GPU 进行 TensorFlow 对象检测
【发布时间】：2021-10-05 05:10:27
【问题描述】：

我已经使用 TensorFlow 对象检测和 Google colab 训练了一个更快的 R-CNN 模型来进行对象检测。但是在测试视频时 google colab 崩溃，这就是为什么我决定在我的电脑上测试并安装 CUDA 10.0 和 Cudnn 7.6.5 和 TensorFlow-gpu = 1.15。但是测试是如此缓慢，就好像它在 CPU 上运行一样。我在测试时收到此消息，所以我猜它正在使用我的 GPU（照片）。

有人知道以更快的方式测试视频的解决方案吗？是 CUDA 还是我的 GPU 有问题？

谢谢

【问题讨论】：

你能运行tf.config.list_physical_devices('GPU')吗？
这个命令抛出错误，因为我使用的是 tensorflow 1.15，但运行 from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) 给出：[name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456 locality { } 化身： 5669582133996130572 ，名称：“/device:GPU:0” 设备类型：“GPU” memory_limit：1457838491 locality { bus_id: 1 links { } } 化身：8403467626327144411 physical_device_desc：“设备：0，名称：GeForce MX110，pci总线ID：000： 02:00.0，计算能力：5.0" ]
抱歉，没看到您使用的是 tensorflow 1.15。你能试试tf.test.is_gpu_available吗？您使用的是 MX110，它不是一个特别快的 GPU - 我怀疑它工作正常。
您使用的 GPU 是市场上最慢的 GPU 之一，因此不要期望速度很快，特别是因为它的 RAM 也很少。
和print(tf.test.is_gpu_available()) 给出True

标签： python tensorflow gpu object-detection

【解决方案1】：

来自评论

tf.test.is_gpu_available() 告诉 Tensorflow 是否可以访问 GPU.

THIS FUNCTION 已弃用。它将在未来的版本中删除。更新说明：使用 tf.config.list_physical_devices('GPU') 代替

如果返回True，那么使用GPU没有问题。但 GeForce MX110 是最慢的，因为它的 RAM 也很少。为了更好的性能你可以看到CUDA-enabled GPU cards的列表。为了您可以参考有关硬件要求的更多详细信息 here.

（转述自 Stanley Zheng 和 Dr.Snoopy）

【讨论】：