Comment utiliser TensorFlow GPU?
Comment utiliser TensorFlow GPU version au lieu de CPU version en Python 3.6 x64?
import tensorflow as tf
Python est à l'aide de mon CPU pour les calculs.
Je peux le remarquer parce que j'ai une erreur:
Votre CPU prend en charge les instructions que ce TensorFlow binaire n'a pas été
compilé à utiliser: AVX2
J'ai installé tensorflow et tensorflow-gpu.
Comment changer de GPU version?
- Avez-vous essayé de désinstaller
tensorflow
et juste garder lestensorflow-gpu
installé? - Essayez de télécharger à CUDA et l'installation de la GPU de la version.
- C'est juste un avertissement, si vous avez un GPU NVIDIA, Tensorflow-gpu va automatiquement utiliser. Pour en savoir plus et comment faire pour désactiver l'avertissement: stackoverflow.com/a/47227886/4892874 Pour vérifier que vous êtes en utilisant le GPU:
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
- Êtes-vous à l'aide de l'Anaconda ? si vous êtes, vous devez passer l'interprète de l'environnement particulier dans PyCharm.
- Mappage de périphérique: pas de dispositifs connus. Je n'utilise pas d'Anaconda
- Qu'est-ce que votre GPU?
- NVIDIA 940mx, il est relatif à la nouvelle carte graphique Nvidia. @JorgeLeitão oui, alors je n'ai pas TensorFlow
Vous devez vous connecter pour publier un commentaire.
Suivre ce tutoriel Tensorflow GPU je l'ai fait et il fonctionne parfaitement.
Attention! - installer version 9.0! version plus récente n'est pas pris en charge par Tensorflow-gpu
Suit:
pip install tensorflow-gpu
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
Vous devez d'abord installer tensorflow-gpu, parce que ce paquet est responsable gpu pour les calculs. Aussi n'oubliez pas d'exécuter votre code à l'aide de la variable d'environnement CUDA_VISIBLE_DEVICES = 0 (ou si vous avez plusieurs gpu, mettre leurs indices par des virgules). Il pourrait y avoir quelques problèmes liés à l'utilisation du gpu. si votre tensorflow ne pas utiliser le gpu de toute façon, essayez ceci
J'ai essayé de suivre le tutoriel ci-dessus. Chose est tensorflow change beaucoup de choses et ainsi de faire le NVIDIA les versions nécessaires pour l'exécution sur GPU. La prochaine question est que la version de votre pilote détermine votre version toolkit etc. Comme de nos jours, les informations sur la configuration logicielle devrait jeter une certaine lumière sur la façon dont ils interaction:
Et ici vous trouverez les exigences relatives à la date indiquée par tensorflow (qui, nous l'espérons être mis à jour sur une base régulière).
Étrangement, même si le tensorflow site Un mentionne que CUDA 10.1 est compatible avec tensorflow-gpu-1.13.1, il ne fonctionne pas si loin. tensorflow-gpu est installé correctement, mais il jette des erreurs étranges lors de l'exécution.
Jusqu'à présent, la meilleure configuration pour exécuter tensorflow avec GPU CUDA 9.0 avec tensorflow_gpu-1.12.0 sous python3.6.
La suite de cette configuration avec les mesures mentionnées dans la https://stackoverflow.com/a/51307381/2562870 (la réponse ci-dessus), a fonctionné pour moi 🙂