TensorFlow 找不到 GPU而PyTorch 能找到

几乎几乎

已于 2024-06-18 11:06:12 修改

阅读量2.5k

点赞数 10

文章标签： tensorflow pytorch 人工智能

于 2024-06-18 11:03:31 首次发布

本文链接：https://blog.youkuaiyun.com/Es_trella222/article/details/139609485

版权

分析原因

1.检测TensorFlow 能否找到GPU及CPU

分析原因

1.检测TensorFlow 能否找到GPU及CPU

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

输出为

2024-06-11 21:44:13.158154: I tensorflow/core/util/port.cc:113] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.
2024-06-11 21:44:13.909295: I tensorflow/core/util/port.cc:113] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.
Num GPUs Available:  0
[] [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

意思是，找不到GPU，但找到了CPU

2.检查Pytorch能不能找到GPU

import torch
print(torch.cuda.device_count())

输出为

即pytorch能找到GPU

3.分析问题，版本检查

应该是tensorflow版本过高的原因，查看CUDA版本，CUDA版本为12.2

一番搜索，是cuda版本过高了，在网上找cuda12.2的教程，都说tensorflow安装2.10就能跑，但我就是不行。最终我成功的版本如下：

cuda11.2，cudnn8.9.6，tensorflow2.10，torchtorch2.2.2+cu121

此时在运行最前面的代码，tensorflow和torch都可以检测到了。

所以安装包一定别安装最新的！！！！！！！

具体安装过程

1.cuda安装

输入

nvidia-smi.exe

显示12.2，意思是最高支持12.2

cuda不同版本可以共存，但在安装新的cuda之前需要删除这个文件，并且在环境变量中将你需要的cuda上移，具体操作如下。（安装过程戳新链接，下面主要讲新cuda如何与旧版本共存）

win11+CUDA12.2安装CUDA、cuDNN和tensorflow - 哔哩哔哩 (bilibili.com)

CUDA安装及环境配置——最新详细版-优快云博客

https://developer.nvidia.com/cuda-downloads

打开链接，下载11.2，下载完成点击安装。

如果你已经安装过cuda，在安装新cuda时会遇到报错you already have a new version of the nvidia frameview. have new，此时打开，设置-安装的应用-搜索nvidia frameview.-卸载。即可

（我已经卸载过了，所以没有）

设置-系统-系统信息-高级系统设置

环境变量-path-将所需新版本的路径移到旧版本前

此处给出我的路径，你需要根据自己电脑的地址填入类似路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

2.cudann

看教程（和4是同一个链接）

CUDA安装及环境配置——最新详细版-优快云博客

https://developer.nvidia.com/rdp/cudnn-download

3.tensorflow

进入你的虚拟环境

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.10.0

4.torch

进入官网下载即可，不过多赘述

（下面一张图看不懂就戳图下链接）

PyTorch

全网最详细的安装pytorch GPU方法，一次安装成功！！包括安装失败后的处理方法！-优快云博客

5.验证

运行如下代码

import tensorflow as tf
print("tensorflow_Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

import torch
print("torch:",torch.cuda.device_count())

都显示能检测到，即开头那样，就是成功