PyTorch、Keras、TensorFlow、MXNet等深度学习框架测试能否使用GPU

本文介绍了如何在PyTorch、Keras、TensorFlow、MXNet和Paddle等深度学习框架中测试GPU是否可用的方法。通过运行特定的代码片段,可以检查电脑上的GPU是否被这些框架正确识别和利用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、检查电脑可使用设备

先检查自己有没有gpu

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

以我自己电脑为例,输出如下结果。
在这里插入图片描述

2、测试PyTorch GPU

import torch as t
print(t.cuda.is_available())

在这里插入图片描述

3、测试Keras GPU

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

在这里插入图片描述

4、测试TensorFlow GPU

import tensorflow as tf

print(tf.test.is_built_with_cuda())
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

在这里插入图片描述

5、测试 MXNet GPU

import mxnet as mx
print(mx.gpu())

在这里插入图片描述

6、测试paddle GPU

import paddle.fluid
paddle.fluid.install_check.run_check()

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值