Tensorflow-GPU2.3.1无法访问GPU、NVIDIA GeForce MX150

Question

我在Windows10中同时安装了CPU和GPU版本的tensorflow。

conda list t.*flow
# packages in environment at C:\Users\Dell\anaconda4:
#
# Name                    Version                   Build  Channel
tensorflow                2.3.1                    pypi_0    pypi
tensorflow-estimator      2.3.0                    pypi_0    pypi
tensorflow-gpu            2.3.1                    pypi_0    pypi
tensorflow-gpu-estimator  2.3.0                    pypi_0    pypi

此外，我已经按照此链接的步骤安装了CUDA和cuDNN，唯一的区别是我下载了最新版本的CUDA和cuDNN，以符合tensorflow 2.3.1的要求，但我仍然无法访问我的图形处理器，这是https://towardsdatascience.com/installing-tensorflow-with-cuda-cudnn-and-gpu-support-on-windows-10-60693e46e781 GeForce MX150。

import tensorflow as tf
tf.test.is_built_with_cuda()

返回True。

tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)

输出：

警告:tensorflow:from :1: is_gpu_available (来自tensorflow.python.framework.test_util)已被弃用，将在未来版本中删除。更新说明:改用tf.config.list_physical_devices('GPU')。

错误

关于为什么tensorflow 2.3.1无法访问/找到GPU，有什么想法吗？请帮我解决这个问题。

Answer 1

我相信tensorflow-gpu不需要tensorflow就可以工作，如果你同时安装了这两个版本，你就可以导入cpu版本了。

首先卸载标准的tensorflow，看看是否可以修复。

NVIDIA GeForce MX150确实支持CUDA，但与最新版本的tensorflow、CUDA和CUDNN可能仍存在兼容性问题。

讨论的here声称与CUDA9.1和CUDNN7.0.5的工作组合。我的建议是删除您安装的版本并尝试这些版本，尽管这可能需要tensorflow-gpu的降级以使其兼容。

Answer 2

您的警告显示tf.test.is_gpu_available已弃用。如果你在这里访问tensorflow文档：https://www.tensorflow.org/api_docs/python/tf/test/is_gpu_available。文档中提到，这种检查GPU访问权限的方法已被弃用。

您应该使用tf.config.experimental.list_physical_devices('GPU')。更准确地说，使用下面的代码：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

如果您有一个GPU，您的预期输出应如下所示：

# Num GPUs Available:  1