tensorflow怎么确认训练是在用GPU 检查tensorflow gpu安装

步骤

• 一、查个人电脑型号
• 二、查版本是否支持
• 三、下载安装并配置

• 1.安装cuda
• 2.安装cuDNN
• 3.安装tensorflow-gpu
• 4.其他

• ①出错：找不到指定的模块
• ②如果想让电脑用CPU运算
• ③Windows查看GPU使用情况

一、查个人电脑型号

• 点击【此电脑】——【管理】——【设备管理器】
• 查看【显示适配器】的第二个
  

二、查版本是否支持

• 网页搜索【型号+SPECIFICATION】，进入GeForce官网
  
• 看到支持，你就放心了

三、下载安装并配置

• 找到需要的Tensorflow型号和环境 ，点击→Tensorflow官网
• 同时给出下图

1.安装cuda

• 根据上图选择合适版本
• 点击【控制面板】——【NVIDIA控制面板】——【左下角系统信息】——【组件】
• 进入 cuda官网 选择并下载你合适的版本
• 默认位置安装exe文件
• 选择【自定义】安装
• 只需选择CUDA下面这4项就够了（默认是全选的），当然你也可以默认
• 检查，打开Anaconda Prompt

nvcc -V

• 表明成功！

2.安装cuDNN

• 选择合适版本
• 进入 cuDNN官网 选择并下载你合适的版本



• 官网需要注册才能下载，这个无关紧要，注册以后下载就好
• 把下载后的压缩文件解压缩，分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0（随版本定）对应的include、lib、bin目录下即可
• 设置环境变量
  右击【计算机】，打开【属性】——【高级系统设置】——【环境变量】



• 可以看到，系统中已经增加CUDA_PATH和CUDA_PATH_V8_0两个系统变量

继续添加：
①CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
②CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
③CUDA_BIN_PATH = %CUDA_PATH%\bin
④CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
⑤CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

在系统变量 PATH 添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64；
如果你设置的自定义路径，上述路径要相应替换为你的自定义路径

• 使用cuda内置的deviceQuery.exe 和 bandwithTest.exe检查
• 打开Anaconda Prompt

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
bandwidthTest.exe
deviceQuery.exe

• 执行完，两次都返回Result=PASS，那么就成功了！！！

3.安装tensorflow-gpu

• 最快方法是利用镜像，下载合适版本的tensorflow-gpu的whl文件，打开Anaconda Prompt（对于cuda=9.0，cuDNN=7.0，选择tensorflow-gpu=1.12）

pip install tensorflow_gpu-1.12.0-cp35-cp35m-win_amd64.whl

• 安装成功后，利用下面代码检查

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

• 出现上图中

device:GPU:0

• 表明该运算用到了GPU，即安装成功

4.其他

①出错：找不到指定的模块

ImportError: DLL load failed: 找不到指定的模块

• 最有可能的就是tensorflow和cuDNN版本不一致，就需要卸载重安装
• 如何卸载，看一篇网友写的：windows如何卸载

②如果想让电脑用CPU运算

• 可以参考 tensorflow官方指导

③Windows查看GPU使用情况

cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi

• 如果没有NVSMI文件怎么办
• 下载并解压至：C:\Program Files\NVIDIA Corporation，即可

百度网盘：https://pan.baidu.com/s/1glLHQc-lY4PFxxi3rFdkCg 提取码: 4hqa

• 解释几个重要词汇：
  Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温。
  Temp：温度，单位：℃。
  Perf：性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。
  Disp.A：Display Active，表示GPU的显示是否初始化。
  Memory Usage：显存使用率。
  GPU-Util：GPU利用率。