如何检查keras tensorflow后端是GPU还是CPU版本？ [复制]

Posted 2023-02-23

【中文标题】如何检查keras tensorflow后端是GPU还是CPU版本？ [复制]

【英文标题】：How to check if keras tensorflow backend is GPU or CPU version? [duplicate]

【发布时间】：2017-12-17 12:07:27

【问题描述】：

我了解安装 t​​ensorflow 时，您要么安装 GPU 版本，要么安装 CPU 版本。如何检查安装了哪一个（我使用 linux）。

如果安装了GPU版本，如果GPU不可用，它会自动在CPU上运行还是会抛出错误？如果 GPU 可用，是否需要设置特定字段或值以确保它在 GPU 上运行？

【问题讨论】：

@SalvadorDali 我已经尝试了该问题的答案，但它没有打印出任何内容。另外，它没有回答我的问题：如果安装了 GPU 版本，如果 GPU 不可用，它会自动在 CPU 上运行还是会抛出错误？如果 GPU 可用，是否需要设置特定字段或值以确保它在 GPU 上运行？

但它没有打印出任何东西这怎么可能？你有没有试过我的答案。它要么打印某些东西，要么失败，答案解释了每个步骤的含义。基本上你刚才在 cmets 中提出的 2 个问题都在那里得到了回答

@SalvadorDali，抱歉。我试过你的代码，它可以工作，它表明它正在 CPU 上运行。但是，如何检查我拥有的 tensorflow 是 GPU 版本还是 CPU 版本？

【参考方案1】：

您也可以使用 Keras 后端功能进行检查：

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

我在 Keras (2.1.1) 上对此进行了测试

【讨论】：

在 Ubuntu 16.04 上从命令行会话运行这是可行的，但是它不会提示输入其他命令，与直接 tensorflow 相同，然后必须重新启动终端。知道可能是什么原因吗？

上述命令的输出应该是什么

@Nitin 它应该为您提供计算机上可用 GPU 的列表。例如，我得到：['/job:localhost/replica:0/task:0/device:GPU:0']

在 TF 2.0 中不起作用

对于 TF 2.0：from tensorflow.python.keras import backend as K@ShitalShah

【参考方案2】：

根据documentation.

如果您在 TensorFlow 或 CNTK 后端运行，如果检测到任何可用的 GPU，您的代码将自动在 GPU 上运行。

你可以通过 -

查看 tensorflow 使用了哪些设备

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

也如this answer中建议的那样

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

这将打印您的 tensorflow 是使用 CPU 还是 GPU 后端。如果您在 jupyter notebook 中运行此命令，请查看您启动 notebook 的控制台。

如果您怀疑是否安装了 tensorflow gpu 版本。您可以通过 pip 安装 gpu 版本。

pip install tensorflow-gpu

【讨论】：

我已经安装了tensorflow gpu，但是keras没有选择，怎么办？

您是否遵循官方指南 - keras.io/backend ？

如果您安装了 tensorflow-gpu 但 Keras 没有选择它，那么很可能没有找到 CUDA 库。您需要 CUDA 库路径和 bin 路径（用于 ptxas）才能有效地将 GPU 与 Keras/TF 结合使用。