TensorFlow 1.14.0 未使用 GPU

Posted 2023-02-23

【中文标题】TensorFlow 1.14.0 未使用 GPU

【英文标题】：TensorFlow 1.14.0 is not using GPU

【发布时间】：2019-11-09 05:14:21

【问题描述】：

我在 Ubuntu 19.04 笔记本电脑上使用 pip install --user tensorflow-gpu 设置了 TensorFlow。 CUDA、CUDNN 等所有依赖项都已安装并正常工作。但是，当导入 TensorFlow 并检查 tf.test.is_gpu_available() 时，我还是给了我 False。我已经尝试完全卸载并重新安装 TensorFlow，但没有成功。 tf.test.is_gpu_available()的输出：

2019-06-27 14:06:18.359739: 我 tensorflow/core/platform/cpu_feature_guard.cc:142] 你的 CPU 支持 此 TensorFlow 二进制文件未编译使用的指令：AVX2 FMA 2019-06-27 14:06:18.611194: 我 tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU 频率： 2194885000 赫兹 2019-06-27 14:06:18.621295: 我 tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x19d54e0 在平台主机上执行计算。设备：2019-06-27 14:06:18.621339：我 tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备 (0): , 2019-06-27 14:06:18.742193：我 tensorflow/stream_executor/platform/default/dso_loader.cc:42] 成功打开动态库libcuda.so.1 2019-06-27 14:06:18.869601：我 tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] 成功 从 SysFS 读取的 NUMA 节点具有负值 (-1)，但必须有 至少一个 NUMA 节点，所以返回 NUMA 节点为零 2019-06-27 14:06:18.870469：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] 找到设备 0 具有属性：名称：GeForce 920M 主要：3 次要：5 memoryClockRate(GHz): 0.954 pciBusID: 0000:08:00.0 2019-06-27 14:06:18.870675：我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库“libcudart.so.10.0”； dlerror：libcudart.so.10.0： 无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.870812：我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库'libcublas.so.10.0'； dlerror：libcublas.so.10.0： 无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14：06：18.870973：我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库'libcufft.so.10.0'； dlerror：libcufft.so.10.0： 无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871111：我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库“libcurand.so.10.0”； dlerror：libcurand.so.10.0： 无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871228：我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库“libcusolver.so.10.0”；错误： libcusolver.so.10.0：无法打开共享对象文件：没有这样的文件或 目录; LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871352: 我 tensorflow/stream_executor/platform/default/dso_loader.cc:53] 可以 不是 dlopen 库'libcusparse.so.10.0'；错误： libcusparse.so.10.0：无法打开共享对象文件：没有这样的文件或 目录; LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:20.233321: 我 tensorflow/stream_executor/platform/default/dso_loader.cc:42] 成功打开动态库libcudnn.so.7 2019-06-27 14：06：20.233363：W tensorflow/core/common_runtime/gpu/gpu_device.cc:1663] 无法 dlopen 一些 GPU 库。跳过注册GPU设备... 2019-06-27 14:06:20.407248：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] 设备 用强度 1 边缘矩阵互连 StreamExecutor：2019-06-27 14：06：20.407318：我 张量流/核心/common_runtime/gpu/gpu_device.cc:1187] 0 2019-06-27 14:06:20.407351: 我 张量流/核心/common_runtime/gpu/gpu_device.cc:1200] 0：N 2019-06-27 14:06:20.441266: 我 tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] 成功 从 SysFS 读取的 NUMA 节点具有负值 (-1)，但必须有 至少一个 NUMA 节点，所以返回 NUMA 节点为零 2019-06-27 14:06:20.443613：我 tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x4ed6d40 在平台 CUDA 上执行计算。设备： 2019-06-27 14:06:20.443670: 我 tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备 (0)：GeForce 920M，计算能力 3.5 False

来自 CUDA 示例的 deviceQuery 输出：

CUDA 设备查询（运行时 API）版本（CUDART 静态链接）

检测到 1 个支持 CUDA 的设备

设备 0：“GeForce 920M”CUDA 驱动程序版本/运行时版本 10.1 / 10.1 CUDA Capability 主要/次要版本号：3.5 全局内存总量：4046 MBytes (4242341888 字节）（2）多处理器，（192）CUDA核心/MP：384 CUDA核心 GPU 最大时钟频率：954 MHz (0.95 GHz) 内存时钟频率：900 Mhz 内存总线 宽度：64 位二级缓存大小： 524288 字节最大纹理尺寸大小 (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) 最大分层 1D 纹理大小，(num) 层 1D=(16384)，2048 层 最大值 分层 2D 纹理大小，(num) 层 2D=(16384, 16384)，2048 层 常量内存总量：65536字节总计 每个块的共享内存量：49152 字节总数 每个块可用的寄存器：65536 Warp 大小： 32 每个多处理器的最大线程数：2048 最大值 每个块的线程数：1024 a 的最大维度大小 线程块 (x,y,z): (1024, 1024, 64) 网格的最大维度大小 大小 (x,y,z): (2147483647, 65535, 65535) 最大内存间距： 2147483647 字节纹理对齐：512 字节并发复制和内核执行：是的，有 1 个副本 引擎对内核的运行时间限制：是 集成GPU共享主机内存：不支持主机 页面锁定内存映射：是的对齐要求 表面：是设备支持 ECC： 禁用设备支持统一寻址 (UVA)：是设备 支持计算抢占：不支持合作 内核启动：不支持多设备合作内核 启动：无设备 PCI 域 ID/总线 ID/位置 ID：0 / 8 / 0 计算模式：

deviceQuery，CUDA 驱动程序 = CUDART，CUDA 驱动程序版本 = 10.1，CUDA 运行时版本 = 10.1，NumDevs = 1 结果 = PASS

【问题讨论】：

查看 tensorflow 错误，它似乎正在尝试加载 CUDA 10.0 运行时库，但您安装了 CUDA 10.1。

@sgarizvi 这正是问题所在。但是，我无法在 Ubuntu 19.04 上运行 CUDA 10.0，所以我安装了 18.04，一切正常

【参考方案1】：

我的特殊问题是 TensorFlow 1.14.0 正在寻找 CUDA 10.0 二进制文件，而我只安装了 10.1。由于某种原因，CUDA 10.0 无法安装在我的 Ubuntu 19.04 上，所以我安装了 18.04 并按照标准方法使 TF 与 GPU 一起工作（安装 CUDA 10.0，安装 CUDNN 等），一切正常。

此表显示 TF 版本与所需的 CUDA 版本：https://www.tensorflow.org/install/source#linux

以下是来自 TF 的说明： https://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10

您也可以降级到 TF 1.12 (CUDA 9.0)：https://www.tensorflow.org/install/gpu#ubuntu_1604_cuda_90_for_tensorflow_1130

【讨论】：

这里是如何安装Cuda10.0 gist.github.com/Mahedi-61/…

【参考方案2】：

conda install -c anaconda tensorflow-gpu=1.14.0 似乎安装了支持 CUDA 10.1 的 tensorflow 1.14.0。

更多详情请见here。

【参考方案3】：

确保您的 cuda 版本与 TensorFlow 匹配，更多详细信息可以找到 here

【参考方案4】：

您可能希望使用 Bazel 或 MYSYS 构建它。 tensorflow 网站建议如何执行此操作。

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

安装必备组件后，从 github 克隆 tensorflow。

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

配置系统构建

python ./configure.py
bazel build --config=opt --config=cuda --define=no_tensorflow_py_deps=true //tensorflow/tools/pip_package:build_pip_package
--define=no_tensorflow_py_deps=true

然后构建并安装

bazel-bin\tensorflow\tools\pip_package\build_pip_package C:/tmp/tensorflow_pkg
pip3 install C:/tmp/tensorflow_pkg/tensorflow-version-cp36-cp36m-win_amd64.whl