已安装 Tensorflow-gpu、CUDA 和 cudnn，但发现 GPU 设备但未使用 [重复]

Posted 2023-04-15

【中文标题】已安装 Tensorflow-gpu、CUDA 和 cudnn，但发现 GPU 设备但未使用 [重复]

【英文标题】：Tensorflow-gpu, CUDA and cudnn installed, however GPU device is found but not utilized [duplicate]

【发布时间】：2017-10-31 07:55:48

【问题描述】：

Windows 7 x64 Python 3.5.2 CUDA 工具包 8.0.61 Tensorflow 包：tensorflow-gpu-1.2.0rc0 cudnn 8.0（用于 CUDA 8.0 工具包）

测试：

# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

结果：

2017-05-30 13:50:33.021124: I C:\...\gpu_device.cc:906] Found device 0 with properties:
name: NVS 5200M
major: 2 minor: 1 memoryClockRate (GHz) 1.344
pciBusID 0000:01:00.0
Total memory: 1.00GiB
Free memory: 886.41MiB
2017-05-30 13:50:33.022124: I C:\...\gpu_device.cc:927] DMA: 0
2017-05-30 13:50:33.022124: I C:\...\gpu_device.cc:937] 0:   Y
2017-05-30 13:50:33.022124: I C:\...\gpu_device.cc:969] Ignoring visible gpu device (device: 0, name: NVS 5200M, pci bus id: 0000:01:00.0) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.
Device mapping: no known devices.
2017-05-30 13:50:33.024124: I C:\...\direct_session.cc:265] Device mappin
g:

MatMul: (MatMul): /job:localhost/replica:0/task:0/cpu:0
2017-05-30 13:50:33.026124: I C:\...\simple_placer.cc:847] MatMul: (MatMul)/job:localhost/replica:0/task:0/cpu:0
b: (Const): /job:localhost/replica:0/task:0/cpu:0
2017-05-30 13:50:33.027124: I C:\...\simple_placer.cc:847] b: (Const)/job:localhost/replica:0/task:0/cpu:0
a: (Const): /job:localhost/replica:0/task:0/cpu:0
2017-05-30 13:50:33.027124: I C:\...\simple_placer.cc:847] a: (Const)/job:localhost/replica:0/task:0/cpu:0
[[ 22.  28.]
 [ 49.  64.]]

我假设我的问题是“忽略具有 CUDA 计算能力 2.1 的可见 gpu 设备。所需的最低 Cuda 能力是 3.0。”因此，我的硬件似乎仅限于 CUDA 2.1，但不清楚 3.0 的要求来自何处。是 CUDA 工具包还是 tensorflow 库？

【问题讨论】：

TF 最初发布时需要计算能力 3.0（用于 GPU 加速）。我无法为您提供 TF 文档的确切链接。此外，CUDA GPU 上的大部分 TF DNN 加速都是通过 does specifically call out the required GPUs as being Kepler or newer 的 cudnn 库实现的，而您的 cc2.x 设备是 Fermi 设备。 cudnn 明确不支持 Fermi GPU。

【参考方案1】：

您可以在安装页面上找到有关 GPU 支持的说明。

具有 CUDA 计算能力 3.0 或更高版本的 GPU 卡。有关受支持的 GPU 卡的列表，请参阅 NVIDIA 文档。

Linux：https://www.tensorflow.org/install/install_linux 窗口：https://www.tensorflow.org/install/install_windows 来源：https://www.tensorflow.org/versions/master/install/install_sources 苹果机：https://www.tensorflow.org/install/install_mac

不过，仍有一些方法可以使用计算能力较低的 GPU。参考this。