tensorflow2-gpu 笔记

最新推荐文章于 2025-06-10 09:20:26 发布
原创 最新推荐文章于 2025-06-10 09:20:26 发布 · 674 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍如何使用nvidia-smi工具监控GPU占用率，通过watch命令实现显卡状态的实时更新，以及如何查询并释放显卡内存占用。此外，还提供了CUDA和cuDNN的下载链接，帮助读者进行GPU编程环境的搭建。

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

GPU占用率显卡监视

watch -n 0.1  -d=cumulative  nvidia-smi

-d=cumulative ：变化的地方高亮

-n 0.1 表示每0.1秒周期显示一次

 

通过nvidia-smi查询到的占用显卡内存的应用

ubuntu 输入 ps -a 查看当前运行的进程

通过sudo kill -9 PID 的方式释放占用显卡的内存

 

cuda:

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

cudnn:

https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux

tensorflow2 gpu使用
weixin_43178406的博客
04-14 1万+
本文主要介绍了tensorflow2 gpu使用，希望能对学习tensorflow的同学有所帮助。 文章目录 1. 前言 2. 设置使用cpu 3. 设置使用GPU个数 4. 设置使用GPU显存大小 5. 单GPU模拟多GPU环境
[操作笔记] 安装TensorFlow-gpu (Anaconda-Spyder)
weixin_46854242的博客
06-07 530
第二个是我自己的笔记本, 华硕的天选2, i7 11800H+RTX3060 (CUDA 11). 我在两个设备上均安装了tensorflow-gpu. 为什么要使用tensorflow不用pytorch呢?首先, 说明一下我的使用习惯. 我不喜欢使用pychram, 感觉使用Spyder更直观点. 所以, 我一般会安装Anaconda, 在上面创建一个新的环境, 接着安装Spyder编译器进行操作. Anaconda直接在。来完成, 这里不再赘述.
Tensorflow2.0 之开启 GPU 模式
热门推荐
cocofisher的博客
07-06 1万+
GPU 的使用以及与 CPU 的对比
Dive-into-DL-TensorFlow2.0项目解读：GPU计算加速指南
最新发布
gitblog_00091的博客
06-10 380
Dive-into-DL-TensorFlow2.0项目解读：GPU计算加速指南 为什么需要GPU计算 在深度学习领域，GPU（图形处理单元）已经成为不可或缺的计算工具。与传统的CPU相比，GPU具有以下显著优势： 并行计算能力：GPU拥有数千个小型计算核心，特别适合处理深度学习中的矩阵运算 高内存带宽：GPU的内存带宽通常比CPU高一个数量级 专用架构：现代GPU专为深度学习优化，支持CUDA...
GPU的分配及使用 TF2.0
weixin_44885180的博客
05-03 842
默认情况下，TensorFlow 将使用几乎所有可用的显存，以避免内存碎片化所带来的性能损失。 但是TensorFlow 提供两种显存使用策略，让我们能够更灵活地控制程序的显存使用方式： 1.仅在需要时申请显存空间（程序初始运行时消耗很少的显存，随着程序的运行而动态申请显存）； 2.限制消耗固定大小的显存（程序不会超出限定的显存大小，若超出的报错）。 设置仅在需要时申请显存空间。 for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, T
keras模型转pb模型
Maisie_Nan的博客
02-26 467
import tensorflow as tf from tensorflow.keras.models import load_model import numpy as np if __name__ == '__main__': norm_size=192 graph = tf.Graph() with graph.as_default(): session = tf.Session() with tf.Session().as_default.
【Tensorflow 2】查看GPU是否能应用
BetterBench的博客
03-08 1364
import tensorflow as tf print(tf.test.is_gpu_available()) 如果输出True，则可以应用，如果输出False则不能应用
TensorFlow2-scratch笔记
05-28
**TensorFlow 2.x 与 Keras 知识点详解** **一、TensorFlow 2.x 概述** TensorFlow 是谷歌开发的一个开源库，用于数值计算和机器学习任务，尤其是深度学习。在 TensorFlow 2.x 版本中，重点在于简化 API、提升易用...
Windows上安装GPU版TensorFlow教程（tensorflow-gpu==2.10.0）
RichYell0w的博客
05-08 1434
基于CUDA11.2与CUDNN8.1.0版本的Windows平台tensorflow-gpu安装教程
如何重头通过conda安装tensorflow-2.10-GPU版本，配置环境
TTritium的博客
03-17 1434
我参照要求去下载tensorflow对应的cudnn与cudatoolkit版本，但是默认的conda源并灭有找到相应的版本。首先安装依赖包，（因为之前我先安装tensorflow在安装依赖包，总是出现版本不匹配的问题）推荐使用阿里镜像，实测是真的快。总结，依赖包和tensorflow我采用pip安装，cudnn和cudatoolkit采用conda安装（因为pip没有）安装tessorflow2.10版本，也同样使用镜像源，也可以直接为pip配置默认镜像源。如果有显示，则说明ok，记得版本要大于450。
最新版tensorflow1.12-gpu安装详细避坑（windows10 64位+anaconda+cuda+cudnn+pycharm环境配置）
weixin_44374595的博客
01-30 9961
放假回家，在老笔记本（老爷显卡）上捣腾上了最新的1.12版TensorFlow-gpu。具体配置如下： windows10 64位，nvidia GT 745M； anaconda3-5.2.0（内置python3.6）； cuda9.0.176，cudnn v7.1； pycharm社区版。 也参考...
详解tensorflow2.x版本无法调用gpu的一种解决方法
09-16
主要介绍了详解tensorflow2.x版本无法调用gpu的一种解决方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
tensorflow2.2.0GPU版本+CUDA+cudnn安装+配置防坑指南
weixin_44955407的博客
04-25 1400
在系统Path环境变量中配置以上四个环境变量，缺一不可，从CUDA的安装路径中找到对应的位置复制地址粘贴进去即可。根据作者的经验，选择一个发行日期不太新也不太旧的版本下载，下载完以后一直next安装即可，最好不要修改安装路径。不出所料，没有配置成功。如图直接点击donwload下载，下载完成后一直next安装，需要注意的是这一步最好选择自定义安装。附上官网链接 https://www.nvidia.cn/geforce/drivers/作者的辣鸡显卡是GTX1050Ti，大家按照自己的显卡搜索对应的驱动。
Tensorflow 2.0 GPU的使用与限制使用率及虚拟多GPU
岁月如歌
01-19 7338
一、获得当前主机上特定运算设备的列表 gpus = tf.config.experimental.list_physical_devices(device_type='GPU') cpus = tf.config.experimental.list_physical_devices(device_type='CPU') print(gpus, cpus) 二、设置当前程序可见的设备范围 默认情况...
Tensorflow2 GPU深度学习环境安装
m0_43402033的博客
03-28 1116
安装此环境前提：Python版本大于等于3.8、电脑中有英伟达（NVIDIA）独立显卡。
tensorflow2中如何设置GPU的使用
“365天深度学习训练营”报名进行中～
03-16 3353
import tensorflow as tf gpus = tf.config.list_physical_devices("GPU") print(gpus) if gpus: gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用 tf.config.set_visible_devices([gpu0],"GPU")
Tensroflow2 GPU训练配置
m0_43402033的博客
03-30 1216
GPUTensorflow GPU训练配置以下教程建立在已经安装好Tensorflow2基础上，进一步管理GPU资源消耗。
TensorFlow的GPU使用相关设置整理
TracelessLe的专栏
11-08 4201
TensorFlow是一个在机器学习和深度学习领域被广泛使用的开源软件库，用于各种感知和语言理解任务的机器学习。默认情况下，TensorFlow 会映射进程可见的所有 GPU（取决于 CUDA_VISIBLE_DEVICES）的几乎全部内存。这是为了减少内存碎片，更有效地利用设备上相对宝贵的 GPU 内存资源。但有时我们不需要这种特性，所以需要想办法避免这种情况。本文简要介绍TensorFlow的GPU使用相关设置。
tensorflow 2-gpu 安装教程
m0_37503310的博客
10-30 656
1、提前下载的文件 1、cuda_10.0.130_411.31_win10.exe（10.0版本） 2、cudnn-10.0-windows10-x64-v7.6.5.32（7.65版本） 3、百度云:https://pan.baidu.com/s/1P1bkyWs6ygpe-gb0RJsZOw 提取码：40m5 4、tensorflow 2 以上就肯定是 cuda 10 ,cuDNN 7.4以上 2、安装cuda过程 1、安装在其他盘 2、不要选 3、给cuda 配置环境cudnn ,新建cu
linux系统上配置tensorflow-gpu
03-14
### 在 Linux 系统中安装和配置 TensorFlow-GPU #### 虚拟环境准备 为了确保依赖项不会与其他项目冲突，建议先创建一个独立的 Anaconda 或 Conda 虚拟环境。通过以下命令可以完成虚拟环境的建立并激活它： ```bash...
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