当我跑
import tensorflow as tf
tf.test.is_gpu_available(
cuda_only=False, min_cuda_compute_capability=None
)
我收到以下错误
原文由 Haseeb 发布,翻译遵循 CC BY-SA 4.0 许可协议
当我跑
import tensorflow as tf
tf.test.is_gpu_available(
cuda_only=False, min_cuda_compute_capability=None
)
我收到以下错误
原文由 Haseeb 发布,翻译遵循 CC BY-SA 4.0 许可协议
TL;DR For TensorFlow
ver >= 2.4.0 on Windows
, install exactly those versions of CUDA Toolkit
and cuDNN
highlighted below ie those列在官方要求中。(v11.0 相对于 v11.2)
在 Windows
上, TensorFlow
^ 撰写 本文 时的安装要求如此处所述
NVIDIA® GPU 驱动程序 —CUDA® 11.0 需要 450.x 或更高版本。
CUDA® 工具包—TensorFlow 支持 CUDA® 11 (TensorFlow >= 2.4.0)
CUPTI 附带 CUDA® 工具包。
cuDNN SDK 8.0.4 。
(可选)TensorRT 6.0 可改善某些模型推理的延迟和吞吐量。
您面临的问题可能与 CUDA® 工具包的版本有关。 Tensorflow
对依赖项的版本很挑剔。看看里面 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
**。您应该能够找到 TensorFlow
所需的大部分 ^^ dll。您可能会注意到它包含 cusolver64_11.dll
而不是预期的 cusolver64_10.dll
如输出中所述。
尽管上面的答案中提到的重命名 hack 有效,但不能保证始终可靠地工作。简单而正确的解决方案是首先安装正确的依赖项。
在编写 CUDA Toolkit
和 cuDNN
的兼容版本时
CUDA Toolkit 11.0 (May 2020)
cuDNN v8.0.4 (September 28th, 2020), for CUDA 11.0
尚不支持更新的版本(我从 v11.0 开始测试)。我记得几年前在使用早期版本的 TensorFlow 时遇到过同样的问题。
^ 对于 ver >1.15, TensorFlow
默认包含 GPU 支持,因此需要 CUDA。当不可用时, TensorFlow
工作正常 - 它只是恢复到 CPU 执行。
\*\* 或者你安装工具包的地方
^^ cudnn64_8.dll
附带 cuDNN SDK
原文由 lineage 发布,翻译遵循 CC BY-SA 4.0 许可协议
2 回答5.1k 阅读✓ 已解决
2 回答1.1k 阅读✓ 已解决
4 回答1k 阅读✓ 已解决
3 回答1.1k 阅读✓ 已解决
3 回答1.2k 阅读✓ 已解决
1 回答1.7k 阅读✓ 已解决
1 回答1.2k 阅读✓ 已解决
第1步
第2步