今天在准备使用电脑进行卷积神经网络识别Fashion Mnist数据集的练习时候,发现不支持GPU运算,但是我确实安装的是GPU版本的TensorFlow呀,为什么会这样呢?原来是驱动的匹配问题。本文介绍如何解决安装后不支持GPU的问题。

在前面的文章中,详细介绍了如何安装TensorFlow的GPU版本,并进行了测试:

Win10下用Anaconda极速安装TensorFlow2教程以及GPU配置

但是今天突然发现并不支持使用GPU进行加速,tf.test.is_gpu_available()返回的是False:

不支持GPU加速

解决办法

1、打开NVIDIA控制面板,查看CUDA的驱动版本,如果版本太低,到Nvidia Experience更新驱动程序。默认安装即可。(安装过程自行百度)

2、如果版本正常,修改PhysX处理器为GenForce ,之后稍等一下再试会返回False

版本检查

首先看一看自己安装的Python以及TensorFlow是哪个版本(我的是Python3.9以及TensorFlow2.6.0版本):

查看版本

再检查值得的驱动版本以及CUDA版本:

查看CUDA版本

再TensorFlow的官网上,查看推荐的配套版本,我的按理说CUDA应该是安装11.2:

TensorFlow官网关于Python、CUDA版本等的推荐,国内互联网可能打不开,或者乱位,可以科学上网打开)

官网TF的版本

所以我的CUDA的版本有点偏高。

修改CUDA版本

首先再控制面板里卸载NVIDIA开头的程序,只保留这个图形程序以及NVIDIA Control Pane。

留下

然后再NVIDIA官网下载CUDA11.2版本的安装包:

CUDA11.2版本官网下载

CUDA11.2版本官网下载

然后就是开始一顿安装就好了:

开始安装CUDA11.2版本

安装结束

修改PhysX处理器为GenForce

需要用到NVIDIA Control Panel,NVIDIA Control Panel是一个NVIDIA控制面板,NVIDIA控制面板具有能够帮助我们更好的进行显卡管理,优化应用程序和游戏特定功能,确保使用NVIDIA显卡的设备能够为用户带来最佳使用体验。

最新官方版下载地址:https://apps.microsoft.com/store/detail/nvidia-control-panel/9NF8H0H7WMLT?hl=zh-cn&gl=CN

然后修改PhysX处理器为GenForce:

修改PhysX处理器为GenForce

查看tensorflow是否支持GPU加速

查看CUDA的版本:

CUDA版本

我在Anaconda Prompt的cmd里进行测试的:

conda activate TF

python

import tensorflow as tf

tf.test.is_gpu_available()

tf.config.list_physical_devices('GPU')

查看是否成功安装

可以看出来,以及支持GPU加速了。也可以在IDE里去打印:

pycharm

如果没使用Anaconda配置TensorFlow环境,直接在电脑上安装的,那么可以直接在cmd中进行测试:

  1. 打开cmd
  2. 输入ipython
  3. 进入ipython环境
  4. 输入“import tensorflow as tf”
  5. 输入“tf.test.is_gpu_available()”
  6. 输出"True"表示成功

博主个人公众号
版权声明 ▶ 本网站名称:陶小桃Blog
▶ 本文链接:https://www.52txr.cn/2022/isgpuavailable.html
▶ 本网站的文章部分内容可能来源于网络,仅供大家学习与参考,如有侵权,请联系站长进行核实删除。
▶ 转载本站文章需要遵守:商业转载请联系站长,非商业转载请注明出处!!

最后修改:2022 年 09 月 18 日
如果觉得我的文章对你有用,请随意赞赏