如何检验 tensorflow |
您所在的位置：网站首页 › 验证tensorflow安装成功 › 如何检验 tensorflow |
如何检验 tensorflow
|
编写 demo.py import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))查看日志信息若包含gpu信息，就是使用了gpu。 其他方法：跑计算量大的代码，通过 nvidia-smi 命令查看gpu的内存使用量。 执行 demo.py执行方式1：在 python-IDLE 中打开文件demo.py 并 Run Model : >>> == RESTART: D:\下载\forGPU--CUDA--TensorFlow--CUDNN\tensorflow-gpu_demo_01.py == >>>什么情况？没有 gpu 信息？ 执行方式2：在cmd下执行demo.py : D:\下载\forGPU--CUDA--TensorFlow--CUDNN>tensorflow-gpu_demo_01.py 2018-11-02 17:25:34.590159: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 Device mapping: no known devices. 2018-11-02 17:25:34.609960: I tensorflow/core/common_runtime/direct_session.cc:291] Device mapping:问题：无法获取GPU设备信息？ win10 下安装 tensorflow_gpu 的各种尝试之后，终于可获取 GPU 设备了。 遇到的坑，备忘如下： 1. 为GPU显卡安装驱动： Nvidia GPU drivers: for GeForce 730 特别说明：考虑到驱动版本比CUDA9所带版本要高，可能会有冲突，可以跳过这一步，直接在第3步安装CUDA 9 时一起安装，保持版本一致，安心些。 2. 安装 Microsoft Visual C++ 2015 Redistributable Update 3 and Build Tools 说明：win10下之前安装了vs2017，但查资料要求vc++2015 Redistributable...多次安装 tensorflow_gpu 无果后，老实安装单个组件！否则CUDA9安装时就会报一个失败信息：  3. 安装 CUDA Toolkit: 9.0.176 开始安装了CUDA 10，尽管有资料显示，目前 CUDA 10 也是可以构建 tensorflow_gpu 的，但是，各种尝试失败，放弃了，老实安装 CUDA 9。 4. CUDNN: 7.0.5-win10 for CUDA 9.0 开始安装了 cuDNN 7.2 for CUDA10，后来安装了cuDNN 7.2 for CUDA 9，失败。前人的经验贴，还是要 cuDNN 7.0 才能与 CUDA 9 匹配。 5. Python 3.6.7 这个没啥坑。 6. Tensorflow_gpu : 1.10.0 for win10 开始安装的 tensorflow_gpu==1.11.0 就是找不到系统的GPU设备。嗯。 最终可用环境 win10 环境变量设置：  所装软件：   python3 所装模块： D:\下载\forGPU--CUDA--TensorFlow--CUDNN\005-tensorflow>pip3 list Package Version ------------------- ------- absl-py 0.6.1 astor 0.7.1 cycler 0.10.0 gast 0.2.0 grpcio 1.16.0 h5py 2.8.0 Keras-Applications 1.0.6 Keras-Preprocessing 1.0.5 kiwisolver 1.0.1 Markdown 3.0.1 matplotlib 3.0.1 numpy 1.14.5 pip 18.1 protobuf 3.6.1 pyparsing 2.3.0 python-dateutil 2.7.5 scipy 1.1.0 setuptools 39.0.1 six 1.11.0 tensorboard 1.10.0 tensorflow-gpu 1.10.0 termcolor 1.1.0 Werkzeug 0.14.1 wheel 0.32.2首个测试脚本： from tensorflow.python.client import device_lib print(device_lib.list_local_devices())测试结果： D:\下载\forGPU--CUDA--TensorFlow--CUDNN\005-tensorflow\forPip3>python list_devices.py 2018-11-06 16:27:41.136529: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 2018-11-06 16:27:41.432483: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties: name: GeForce GT 730 major: 3 minor: 5 memoryClockRate(GHz): 0.9015 pciBusID: 0000:01:00.0 totalMemory: 2.00GiB freeMemory: 1.66GiB 2018-11-06 16:27:41.442557: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0 2018-11-06 16:27:42.162345: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix: 2018-11-06 16:27:42.169115: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0 2018-11-06 16:27:42.174183: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0: N 2018-11-06 16:27:42.177441: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/device:GPU:0 with 1437 MB memory) -> physical GPU (device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0, compute capability: 3.5) [name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456 locality { } incarnation: 8266507417800313319 , name: "/device:GPU:0" device_type: "GPU" memory_limit: 1507796582 locality { bus_id: 1 links { } } incarnation: 5735230319323510955 physical_device_desc: "device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0, compute capability: 3.5" ]最后再注明一下，其他坑花了半天时间，最后这两个坑 cuDNN 7.2 与 tensorflow_gpu==1.11.0 因为下载时看到官方说明是支持的，啊啊啊~~~ 害我折腾了两天，最后放弃抗争，采用 cuDNN 7.0 与 tensorflow_gpu==1.10.0，才搞定了。 终于搞定，开心下！ |
【本文地址】
今日新闻 |
推荐新闻 |