python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python Tensorflow无法调用GPU

Python中Tensorflow无法调用GPU问题的解决方法

作者:瑞瑞瑞瑞瑞瑞瑞瑞瑞

文章详解如何解决TensorFlow在Windows无法识别GPU的问题,需降级至2.10版本,安装匹配CUDA 11.2和cuDNN 8.9.7,配置环境变量,并正确安装TensorFlow CPU版以确保GPU支持,需要的朋友可以参考下

当用以下代码查看GPU数量时,gpus返回的是一个空列表,说明tensorflow没有找到GPU。

import tensorflow as tf
# 查看gpu和cpu的数量
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')

是由于tensorflow版本从2.x开始不再区分CPU版和GPU版,

官网中说明Tensorflow 2.10是最后一个在本地windows上支持GPU的版本。

所以要在native-windows上使用GPU,就只能安装2.10.0版本及以下的版本,或者安装老版的tensorflow-gpu。

解决步骤:

所有现在我们要做的就是:要使用python2.10版本的Tensorflow去调用GPU

但是你如果想使用2.10版本的Tensorflow,你必须下载相应适配的CUDA

WIN+r 输入cmd 用Python -V查看你的python版本

Python -V
或
python --version

查出来:

接下来就是要把TensorFlow的版本降下来,在PyCharm里面的终端运行下面代码

pip install tensorflow==2.10.0

WIN+R并输入CMD打开命令提示符,输入nvidia-smi查看驱动支持的最高CUDA版本,以本人驱动为例,适用的最高CUDA版本为12.1

nvidia-smi

下一步是彻底删除旧的CUDA和cuDNN

先删除含CUDA的程序

在搜索栏输入控制面板---->打开控制面板

点击 程序和功能

卸载所有与CUDA有关的程序

检查删除环境变量

 打开 此电脑---->系统属性---->高级系统设置---->环境变量

找到环境变量和系统变量的path,点击编辑,若发现path中没有含CUDA的环境变量,证明刚刚第一步卸载CUDA的时候系统已经自动删除,若系统没有自动删除(path中仍然含有C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0这样含有CUDA的路径),则需要手动删除。

检查删除文件夹

找到NVIDIA GPU Computing Toolkit文件夹,删除该文件夹即可,因为安装CUDA时默认的安装路径就是这个文件,又因为cuDNN是专门为深度学习设计的GPU加速库,通常是安装在CUDA的目录下的,所以把这个文件删了,也就把CUDA和cuDNN删除干净了!

完成以上三大步骤,CUDA和cuDNN就卸载完成啦!

接下来就是要重新安装合适版本的CUDA(CUDA11.2)下载地址

验证CUDA是否安装完成

在新打开的cmd窗口中输入:

nvcc -V

同样下载匹配的cuDNN,这里选择8.9.7适用于CUDA 11.X的版本:链接地址 

解压出cuDNN文件后

复制以下三个文件夹

将文件夹粘贴至如下路径:

path to your cudaFolder/Files/NVIDIA GPU Computing Toolkit/CUDA/v11.6

验证cuDNN是否安装成功

①在下述文件夹右键,打开终端

path to your cudaFolder/Files/NVIDIA GPU Computing Toolkit/CUDA/v11.6/extras/demo_suite

②输入:

.\deviceQuery.exe

得到PASS即代表安装成功

输入:

 .\bandwidthTest.exe

得到PASS即代表安装成功

然后就是给CUDA配置环境变量

此电脑——属性——高级系统设置——环境变量——系统变量 ,在系统变量中找到path,去里面加另外两条,前两条应该本来就有,把后两条加上,最终有四条路径见截图

在python中pip安装tensorflow-cpu

pip install tensorflow-cpu==2.10

pip install tensorflow-cpu==2.10

如果曾经安装过,其他两种,可以先执行卸载。

    pip uninstall tensorflow
    pip uninstall tensorflow-gpu

安装plugin

pip install tensorflow-directml-plugin

如果此时出现

ERROR: Could not find a version that satisfies the requirement tensorflow-directml-plugin (from versions: none)
ERROR: No matching distribution found for tensorflow-directml-plugin

那一定是前面的环境没有配置好,重新弄吧。

弄好后重启电脑

安装下面的俩个

conda install cudatoolkit=11.1
conda install "tensorflow<2.11"

然后在python运行以下代码:

import tensorflow as tf

# 检查 TensorFlow 是否看到 GPU
print("TensorFlow version:", tf.__version__)
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

# 打印出可用 GPU 的详细信息
if tf.config.list_physical_devices('GPU'):
    for gpu in tf.config.list_physical_devices('GPU'):
        print("Name:", gpu.name, "  Type:", gpu.device_type)

得到

以上就是Python中Tensorflow无法调用GPU问题的解决方法的详细内容,更多关于Python Tensorflow无法调用GPU的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文