如何让tensorflow keras使用我的GPU？

Question

我正在尝试在张量流中使用 keras 来训练 CNN 网络以进行某些图像分类。显然，在我的 CPU 上运行的训练速度非常慢，因此我需要使用 GPU 来进行训练。我在 StackOverflow 上发现了很多类似的问题，但没有一个能帮助我让 GPU 工作，因此我单独问这个问题。

我安装了 NVIDIA GeForce GTX 1060 3GB 和 466.47 NVIDIA 驱动程序。我已经从 NVIDIA 网站安装了 CUDA 工具包（使用 nvcc -V 命令输出我的版本 11.3 确认安装），并下载了 CUDNN 库。我解压了 CUDNN 文件并将文件复制到 C:\Program Files\NVIDIA GPU Compute Toolkit\CUDA 11.3，如 NVIDIA 网站上所述。最后，我检查了它是否在 PATH 上（C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA 11.3 和 C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA 11.3\libnvvp 都在环境变量“Path”中').

然后我使用 conda 设置环境，下载一些我需要的包，例如 scikit-learn，以及 tensorflow-gpu=2.3 将我的环境启动到 Jupyter Notebook 后，我运行此代码来检查它是否正在启动GPU：

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices())

得到这个：

2.3.0 [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

我已经尝试了与此主题相关的所有内容，但在使其发挥作用方面没有取得任何成功。任何帮助将不胜感激。

Answer 1

首先，您必须安装所有 CUDA 要求。如果您使用的是 Ubuntu 20.04，请参阅此处来安装要求。那么现在就是安装tensorflow的最佳时机了。当您打算使用 GPU 时，您已经安装了 tensorflow-gpu 库，而不是单独的 tensorflow。

Answer 2

我猜您已经使用

pip install tensorflow

正确安装了 TensorFlow。 TensorFlow 目前支持 CUDA 架构 3.5、5.0、6.0、7.0、7.5、8.0 以及高于 8.0 的 NVIDIA GPU 卡。如果您有支持的卡，但 TensorFlow 无法检测到您的 GPU，则必须安装以下软件：

• NVIDIA GPU 驱动程序 —CUDA 11.0 需要 450.x 或更高版本。
• CUDA 工具包 —TensorFlow 支持 CUDA 11 (TensorFlow >= 2.4.0)
• cuDNN SDK 8.0.4

您可以选择安装TensorRT 6.0，以改善某些模型的推理延迟和吞吐量。 有关更多信息，请参阅 TensorFlow 文档：https://www.tensorflow.org/install/gpu

Answer 3

我建议使用 conda 来安装 CUDA Toolkit 包以及 CUDNN，这将避免浪费时间下载正确的包（或在系统文件夹中进行更改）

conda install -c conda-forge cudatoolkit=11.0 cudnn=8.1

然后你可以通过输入安装keras和tensorflow-gpu

conda install keras==2.7
pip install tensorflow-gpu==2.7

然后就可以直接使用了。

基于此问题

Answer 4

你没有说你在哪个平台。 如果是windows，则只有tensorflow 2.10及更高版本才可以工作。