基于Tensorflow使用CPU而不用GPU问题的解决
作者:JR_Chan
今天小编就为大家分享一篇基于Tensorflow使用CPU而不用GPU问题的解决,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
之前的文章讲过用Tensorflow的object detection api训练MobileNetV2-SSDLite,然后发现训练的时候没有利用到GPU,反而CPU占用率贼高(可能会有Could not dlopen library 'libcudart.so.10.0'之类的警告)。经调查应该是Tensorflow的GPU版本跟服务器所用的cuda及cudnn版本不匹配引起的。知道问题所在之后就好办了。
检查cuda和cudnn版本
首先查看cuda版本:
cat /usr/local/cuda/version.txt
以及cudnn版本:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
重新安装对应版本Tensorflow
根据前面查看得到的cuda和cudnn版本,到Tensorflow官网查看对应的Tensorflow-GPU版本,然后用conda install tensorflow-gpu=[version]重新安装(把[version]换成对应的版本比如1.12)就OK了。
以上这篇基于Tensorflow使用CPU而不用GPU问题的解决就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
- 运行tensorflow python程序,限制对GPU和CPU的占用操作
- 在tensorflow中设置使用某一块GPU、多GPU、CPU的操作
- tensorflow指定CPU与GPU运算的方法实现
- 卸载tensorflow-cpu重装tensorflow-gpu操作
- 使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)
- 详解tf.device()指定tensorflow运行的GPU或CPU设备实现
- 用gpu训练好的神经网络,用tensorflow-cpu跑出错的原因及解决方案
- Tensorflow中使用cpu和gpu有什么区别
- tensorflow之如何使用GPU而不是CPU问题
- TensorFlow安装CPU版本和GPU版本的实现步骤