tensorflow-gpu配置

一、配置安装

tensorflow-gpu python CUDA 对应版本

 我的：python3.6 CUDA10.0 所以选择使用tensorflow-gpu 1.13.1

下载安装：

pip install tensorflow-gpu==1.13.1

如果速度很慢，可以用清华镜像：

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1

在代码中配置：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

from keras.backend.tensorflow_backend import set_session

# 打印配置 查看使用情况
print(device_lib.list_local_devices())

os.environ["CUDA_VISIBLE_DEVICES"] = "0" # 可用gpu
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.6 #最多使用60%GPU内存
config.gpu_options.allow_growth=True   #初始化时不全部占满GPU显存, 按需分配 
sess = tf.Session(config = config)
set_session(sess)

 二、相关问题

2.1  无法使用gpu

期间遇到过在配置好gpu的情况下仍然用的是cpu，甚至cpu速度被拖慢。

用pip list查看安装版本，发现：

--------------------------------------

tensorflow 1.2.1

tensorflow-gpu 1.13.1

--------------------------------------

应该是cpu版本比gpu的高，就默认用cpu了。

将keras，tensorflow ，tensorflow-gpu卸载，再重新安装keras，tensorflow-gpu。

2.2  无法加速

bcuda对显卡最小兼容要求是3.0，如果计算能力低于3.0将无法加速。

查看计算能力：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

可以看到：

 

计算能力为7.5。