Tensorflow-gpu没有发现GPU？

Question

我在python 3.7.4中安装了带有Anaconda的tensorflow-GPUVersion2.2.0版本，但我的代码总是运行在CPU上，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：

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

我得到：

[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上运行的集成图形，因为我已经用tf.device(‘/GPU:0’)测试了运行我的代码:任务管理器只显示了CPU的使用情况。

我签了我的NVIDIA控制面板->系统信息->组件和三维设置，我有NVCUDA64.dll被描述为NVIDIA 11.0.208驱动程序。

到目前为止，我还没有尝试重新安装tensorflow-gpu，希望之前还需要做一些其他的事情。

Answer 1

我不相信11.0会和tensorflow合作。你需要10.1。我有一个RTX2070和驱动程序版本，为它工作是432.00。转到NVIDIA站点，尝试找到一个10.1兼容的驱动程序并安装它。如果您使用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。

Answer 2

我自己的答案。最后，它起了作用：

我必须下载CUDA 10.1，然后下载cuDNN 7.6.5才能获得该版本。

感谢“Gerry P和Richard X”

Answer 3

我最近安装了tensorflow 2.7，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，驱动程序版本: 497.29

我没有使用Conda (尽管它非常方便，但它会导致许多版本冲突)。我在Windows 10上手动安装了所有东西，如下所示。因此，如果有人在2022年1月或之后寻找指示：

安装python /w 3.90-3.9.9 (https://www.python.org/downloads/release/python-399/)

• Install cuda工具包(检查与GPU的兼容性) (https://developer.nvidia.com/cuda-toolkit-archive)

• Install cudnn，并确保它与安装在(https://developer.nvidia.com/rdp/cudnn-archive)

之上的(https://developer.nvidia.com/rdp/cudnn-archive)版本兼容

*注意:当按照上面链接()的指示安装zlib时，不要忘记安装zlib。

确保cuda和cudnn的bin都在路径上(C:\Program \NVIDIA GPU计算工具包\CUDA\v11.5\bin)，(C:\Program \NVIDIA GPU计算Toolkit\cudnn-windows-x86_64-8.3.1.22_cuda11.5-archive\bin)

• Install tensorflow (https://www.tensorflow.org/install/gpu)在安装python3+

• 时使用pip3，如果您想创建木星笔记本，然后安装Jupyter "pip3 install jupyterlab“(https://jupyter.org/install)

• Finally，)重新启动机器，或者至少重新启动shell

• ，从python运行以下命令，您应该得到一个或更多的

输入tensorflow作为tf打印(“Num可用："，len(tf.config.list_physical_devices('GPU')) )