这可能是一个重复的帖子,但其他帖子对我来说都不起作用。我有tensorflow 1.14.0和tensorflow-gpu 1.14.0我已经安装了所需的兼容Cuda和Cudnn版本,并在环境变量中指定了它们的路径。但是仍然是tensorflow和/或tensorflow- GPU,无法识别我的GPU。所以验证代码的作用是:
from tensorflow.python.client import device_lib
def get_available_devices():
local_device_protos = device_lib.list_local_devices()
return [x.name for x in local_device_protos]
print(get_available_devices()) 是:
['/device:CPU:0']操作: windows 10
IDE: Jupyter (anaconda)
GPU版本: GTX 960M
注意:一些帖子提到你必须在最后卸载tensorflow,但当我这样做时,上面的代码甚至不能工作……
发布于 2020-04-04 09:25:00
你绝对应该从你的系统中卸载tensorflow,在该步骤之后代码不能工作是你的tensorflow-gpu安装有一些问题的标志。此accepted answer建议通过pycharms卸载tensorflow并通过pip安装。
另外,如果你有机会,试着升级到tensorflow >= 2.0,急切的执行非常好,当然也支付了获得新的驱动程序和兼容Cuda和Cudnn版本的麻烦。
https://stackoverflow.com/questions/57908226
复制相似问题