TensorFlow：判断CUDA和GPU是否可用

TensorFlow版本检查与GPU检测
最新推荐文章于 2023-09-29 21:17:31 发布
转载 最新推荐文章于 2023-09-29 21:17:31 发布 · 986 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/qq_45616304/article/details/112758607
文章标签：

#tensorflow #深度学习

该博客介绍了如何使用Python的TensorFlow库来检查安装的版本，并判断系统是否支持CUDA和GPU。通过`print(tf.__version__)`可以获取TensorFlow的版本信息，而`tf.test.is_built_with_cuda()`用于确认库是否在CUDA环境下构建。此外，`tf.test.is_gpu_available()`函数则用于检测GPU是否可用，返回结果分别对应GPU的可用性和不可用性状态。
部署运行你感兴趣的模型镜像

查看tf版本

print(tf.__version__)

判断CUDA是否可用：

tf.test.is_built_with_cuda()

判断GPU是否可用： 

tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)

可用时：

不可用时：

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

tensorflow2.x版本无法调用gpu的一种解决方法
scrence的博客
05-24 9782
最近学校给了一个服务器账号用来训练神经网络使用，服务器本身配置是十路titan V，然后在上面装了tensorflow2.2，对应的python版本是3.6.2，装好之后用tf.test.is_gpu_available()查看是否能调用gpu，结果返回结果是false，具体如下： 这里tensorflow应该是检测出了gpu，但是因为某些库无法打开而导致tensorflow无法调用，返回了false，详细查看错误信息可以看到一行： 可以看到上面几个文件都顺利打开了，但是最后一个libcudnn.so.
Tensorflow】：could not load dynamic library ‘libcudart.so.11.0‘；dlerror:libcudart.so.11.0的解决方法
qq_40670510的博客
03-02 8216
一、问题描述 import tensorflow报错如下图 测试： tf.test.is_built_with_cuda()显示True tf.test.is_gpu_available() 显示False 二、尝试解决之掩耳盗铃 以为是没装cuda，或者是libcudart的路径不对，在多次修改bashrc文件，添加路径失败之后，尝试了一个掩耳盗铃的指令，没有报错。 import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' import tensorflow a
tensorflow1.12支持cuda10
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
pytorch/tensorflow 查看 cuda 是否可用
weixin_43742643的博客
11-10 4821
pytorch import torch torch.cuda.is_available() tensorflow import tensorflow as tf tf.test.is_gpu_available()
判断tensorflow-gpu是否调用
weixin_41829883的博客
04-07 1816
import tensorflow as tf a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用 b = tf.test.is_gpu_available( cuda_only=False, min_cuda_compute_capability=None ) # 判断GPU是否可以用 print(a) print(b) WARNING:tensorflow:From <i
PyTorch：首选CUDA 11.8（PyTorch 2.0+官方优化） TensorFlow：首选CUDA 11.2（TF 2.5-2.11官方支持）这两个不一样吗、
最新发布
07-26
我们正在回答用户关于PyTorch和TensorFlow对CUDA版本支持差异的问题。用户特别询问了PyTorch 2.0+和TensorFlow 2.5-2.11的支持情况。 根据我们已有的知识和引用[1]中的信息（其中提到了PyTorch 2.0.0使用的CUDA版本...
tensorflow:指定gpu 限制使用量百分比,设置最小使用量的实现
09-18
当 `allow_growth` 设置为True时，TensorFlow会在运行过程中按需增长GPU内存分配，而不是一次性分配所有可用内存。这种方式有助于避免内存浪费，并允许同时运行多个TensorFlow会话，每个会话都能根据自身需求动态...
TensorFlow版本: 2.19.0 GPU是否可用: [] tensorflow，用不了GPU
04-23
可能存在版本不兼容的问题，需要查看TensorFlow 2.19.0所需的CUDA和cuDNN版本是否与用户系统上的版本匹配。如果用户手动安装了CUDA/cuDNN，但版本不正确，也会导致GPU不可用。 另外，用户可能尝试了conda安装，但...
教程-Ubuntu-18.04-安装Nvidia驱动程序和CUDA和CUDNN并构建用于gpu的Tensorflow：Ubuntu 18.04如何安装Nvidia驱动程序+ CUDA + CUDNN +为gpu逐步构建tensorflow命令线
02-06
在本教程中，我们将深入探讨如何在Ubuntu 18.04操作系统上安装Nvidia驱动程序、CUDA工具包以及CUDNN库，并进一步构建适用于GPU的TensorFlow环境。这是一个涉及多步骤的过程，需要对Linux系统、编译工具和深度学习...
tensorflow 测试 cuda 是否安装成功，测试代码环境
DongHappyyy
07-03 2686
import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Tensorflow 、Pytorch测试GPU、CUDA是否可用
excelNo1的博客
05-31 3061
Tensorflow 测试GPU是否可用 1.打开Anconda Prompt进入环境 conda activate tf //激活环境名为tf的环境 2.输入python，进入python 3.输入测试代码 import tensorflow as tf print(tf.test.is_gpu_available()) 4.打印结果 True //表示GPU可用 False//表示GPU不可用，需要排查原因 5.测试CUDA 是否可用 import tensorflow as tf tf.te
超级详细tensorflow-gpu安装和检测，CUDA与CUDNN的安装方法
lzqccc的博客
09-06 7197
整整折腾了两天，终于可以用GPU跑数据了！和分享一下怎么安装适配自己GPU的CUDA和CUDNN 一．Anaconda的安装（不想装anaconda的可以省略这步） 首先官网下载anaconda（https://www.anaconda.com） 安装时记得勾选环境变量（第一个记得勾选） 然后，下一步，安装完成！！ 二．CUDA与CUDNN的安装（此步骤必须是电脑有英...
pytorch和TensorFlow 的学习安装，判断GPU是否可用
qq_34144750的博客
09-01 304
验证cuda是否可用以及版本号，发现和本地的版本不一致，会导致不可用，重新下拉镜像。#返回gpu名字，设备索引默认从0开始；#cuda是否可用；
tensorflow-gpu安装成功！【亲测有效】
虚竹
09-29 734
简介：本文力求简洁的介绍tensorflow-gpu版本如何安装。
cuda11: tensorflow is_gpu_available总是False, Could not load dynamic library libcudart.so.10.0
GungnirsPledge的博客
08-31 2798
https://blog.youkuaiyun.com/u012388993/article/details/102573117 https://www.cnblogs.com/sddai/p/11135941.html https://blog.youkuaiyun.com/roxxo/article/details/105138007
gpu tensorflow 怎么看是否安装成功_手把手教你：Windows系统上安装GPU深度学习环境...
weixin_39976951的博客
11-21 1260
前言在入手学习深度学习的过程当中，有好几个朋友都咨询过我如何安装深度学习环境，之前写过一篇在Ubuntu环境下安装深度学习环境，但是有部分朋友在Windows电脑上安装深度学习环境遇到过许多的问题，所以我就再写一篇Windows系统上安装GPU深度学习环境的教程，希望对刚刚入手深度学习的朋友有所帮助:)PS:不需要自己手动安装CUDA和cuDNN（安装这两样东西属实要劝退不少朋友），网上许多的博客...
TensorFlow-GPU无法使用GPU的问题解决
u013557353的博客
04-22 2309
最初使用 conda install tensorflow-gpu 成功安装之后， tf.test.is_gpu_available() 总是显示False cuda、cudnn已安装对应版本，驱动满足要求 完全删除之前的TensorFlow环境之后，重新使用pip安装tensorflow-gpu即可 仅供参考 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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