TensorFlow 1.14.0 没有使用 GPU

Question

我在我的 Ubuntu 19.04 笔记本电脑上使用 pip install --user tensorflow-gpu 设置了 TensorFlow。所有依赖项，如 CUDA、CUDNN 都已安装并正常工作。但是，当导入 TensorFlow 并检查 tf.test.is_gpu_available() 时，仍然给出 False。我试过完全卸载并重新安装 TensorFlow，但没有用。 tf.test.is_gpu_available() 的输出：

2019-06-27 14:06:18.359739: I tensorflow/core/platform/cpu_feature_guard.cc:142] 您的 CPU 支持此 TensorFlow 二进制文件未编译使用的指令：AVX2 FMA 2019-06-27 14:06:18.611194 : I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU 频率：2194885000 Hz 2019-06-27 14:06:18.621295: I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x19d54e0在平台主机上执行计算。设备：2019-06-27 14:06:18.621339: I tensorflow/compiler/xla/service/service.cc:175]

StreamExecutor device (0): , 2019-06-27 14:06:18.742193: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] 成功打开动态库libcuda.so.1 2019-06-27 14:06 :18.869601: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] 从 SysFS 读取成功的 NUMA 节点具有负值 (-1)，但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-06-27 14:06:18.870469: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] 找到具有属性的设备 0：名称：GeForce 920M 主要：3 次要：5 memoryClockRate(GHz)：0.954 pciBusID：0000:08:00.0 2019-06-27 14:06:18.870675: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库 ‘libcudart.so.10.0’； dlerror：libcudart.so.10.0：无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.870812: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库’libcublas.so。 10.0’； dlerror: libcublas.so.10.0: 无法打开共享对象文件：没有那个文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.870973: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库’libcufft.so。 10.0’； dlerror：libcufft.so.10.0：无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871111: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库’libcurand.so。 10.0’； dlerror: libcurand.so.10.0: 无法打开共享对象文件：没有那个文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871228: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库’libcusolver.so。 10.0’； dlerror：libcusolver.so.10.0：无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:18.871352: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] 无法打开库’libcusparse.so。 10.0’； dlerror：libcusparse.so.10.0：无法打开共享对象文件：没有这样的文件或目录； LD_LIBRARY_PATH: :/usr/local/cuda/extras/CUPTI/lib64 2019-06-27 14:06:20.233321: I tensorflow/stream_executor/platform/default/dso_loader.cc:42]成功打开动态库libcudnn.so.7 2019-06-27 14:06:20.233363: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1663] 无法打开某些 GPU 库。跳过注册 GPU 设备… 2019-06-27 14:06:20.407248: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] 具有强度 1 边缘矩阵的设备互连 StreamExecutor：2019-06-27 14:06 :20.407318: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1187] 0 2019-06-27 14:06:20.407351: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1200] 0: N 2019- 06-27 14:06:20.441266: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] 从 SysFS 读取成功的 NUMA 节点有负值 (-1)，但必须至少有一个 NUMA 节点，所以返回 NUMA 节点零 2019-06-27 14:06:20.443613: I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x4ed6d40 在平台 CUDA 上执行计算。设备：2019-06-27 14:06:20.443670: I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备（0）：GeForce 920M，计算能力 3.5 False

CUDA 样本的 deviceQuery 输出：

CUDA 设备查询（运行时 API）版本（CUDART 静态链接）

检测到 1 个支持 CUDA 的设备

设备 0：“GeForce 920M”CUDA 驱动程序版本/运行时版本

10.1 / 10.1 CUDA 能力主要/次要版本号：3.5 全局内存总量：4046 兆字节（4242341888 字节）(2) 多处理器，(192) CUDA 核心/MP：384 CUDA 核心 GPU 最大时钟频率：954 MHz（0.95 GHz） )

内存时钟速率：900 Mhz 内存总线宽度：64 位二级缓存大小：

524288 字节最大纹理尺寸大小 (x,y,z)

1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) 最大分层一维纹理大小，(num) 层 1D=(16384), 2048 层最大分层二维纹理大小，(num) layers 2D=(16384, 16384), 2048 层常量内存总量：65536 字节每个块的共享内存总量：49152 字节每个块可用的寄存器总数：65536 Warp 大小：

32 每个多处理器的最大线程数：2048 每个块的最大线程数：1024 线程块的最大维度大小 (x,y,z)：(1024, 1024, 64) 网格大小的最大维度大小 (x,y ,z): (2147483647, 65535, 65535) 最大内存间距：

2147483647 字节纹理对齐：512 字节并发复制和内核执行：有 1 个复制引擎内核运行时间限制：是

集成 GPU 共享主机内存：否支持主机页面锁定内存映射：是表面对齐要求：是设备具有 ECC 支持：

已禁用设备支持统一寻址 (UVA)：是设备支持计算抢占：否支持合作内核启动：不支持多设备合作内核启动：无设备 PCI 域 ID/总线 ID/位置 ID：0 / 8 / 0 计算模式： < 默认值（多个主机线程可以同时对设备使用 ::cudaSetDevice() ）>

deviceQuery、CUDA 驱动程序 = CUDART、CUDA 驱动程序版本 = 10.1、CUDA 运行时版本 = 10.1、NumDevs = 1 结果 = PASS

原文由 Kirill O. 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

我的特殊问题是 TensorFlow 1.14.0 正在寻找 CUDA 10.0 二进制文件，而我只安装了 10.1 。出于某种原因，CUDA 10.0 无法安装在我的 Ubuntu 19.04 上，所以我安装了 18.04 ，并按照标准方法使 TF 与 GPU 一起工作（安装 CUDA 10.0 ，安装 CUDNN 等），一切正常。

此表显示了 TF 版本与所需的 CUDA 版本： https ://www.tensorflow.org/install/source#linux

以下是 TF 的说明： https ://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10

您也可以降级到 TF 1.12 (CUDA 9.0)： https ://www.tensorflow.org/install/gpu#ubuntu_1604_cuda_90_for_tensorflow_1130

原文由 Kirill O. 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

conda install -c anaconda tensorflow-gpu=1.14.0 似乎安装支持 CUDA 10.1 的 tensorflow 1.14.0。

可以在 此处 找到更多详细信息。

原文由 Peixiang Zhong 发布，翻译遵循 CC BY-SA 4.0 许可协议