如何判断tensorflow模型是否在gpu上执行

Tensorflow-gpu安装过程自我总结

安装前准备

在安装Tensorflow之前，首先我们需要准备一些东西。
Anaconda安装包、Anaconda换源文件等等。
并对自己显卡的算力进行了解，推荐算力≥3.5以上安装
查看显卡链接

1.首先就是安装Anaconda，此步骤就不详细描述。
我们可以使用Win+R调出cmd，输入conda-V,就可以查看到我们下载的Anaconda的版本号。

2.在确认了Anaconda的版本号后，紧接着就是对Anaconda和Python进行换源。
在cmd中输入conda config --set show_channel_urls yes，就会在C盘用户目录下会生成.condarc文件，然后使用记事本打开，用下面的内容将其替换，。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirror.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud

最后保存，接著在cmd中输入conda clean -i，此时Anaconda已经换源成功！

3.接着我们需要对python换源，在CMD中输入

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple即可。

4.在安装Tensorflow-gpu之前，我们需要安装cuda和cudnn等。对于Tensorflow的gpu版本最重要的是配方（CUDA、cuDNN、Tensorflow版本的搭配）。

下图是GPU,CPU的版本搭配

CPU

GPU

通过上述图表可以确认自己所需要的各个版本的搭配！切记一定要根据上述图表进行安装！

确定好自己所需要的版本之后，正式安装开始！（我以2.1.0版本为例）

5.使用Anaconda来创建环境

这里环境名称命名为tensorflow，在cmd中输入conda create -n tensorflow pythnotallow=3.7，输入要进行确认。

当看到如下图所示，表明虚拟环境已经创建成功！

6.安装CUDA

在我们的具体使用中，其实真正需要的并不是整个CUDA，而是cudatoolkit，所以我们在这里直接安装cudatoolkit，不需要再下载3个多G的CUDA来本地安装。先在CMD中输入activate tensorflow以激活环境在目录左侧会显示虚拟环境名称。

再输入conda install cudatoolkit=10.1，见下图，即cudatoolkit（CUDA）安装完成（此版本号只是举例，实际按需求更改）

7.安装cuDNN

在激活的环境里输入conda install cudnn=7.6，见下图情况，表明已经安装成功！

cudnn安装成功

8.安装tensorflow的GPU版本

安装Tensorflow和CUDA、cuDNN的方式稍有不同,CUDA和cuDNN是使用conda命令下载，

Tensorflow是通过pip下载,同样在激活环境中输入pip install tensorflow-gpu==2.1.0,等待下载完毕，即安装成功，如下图所示，即表明安装成功!

至此，Tensorflow的GPU版本已经安装成功，现在需要测试可用不可用。在激活环境中输入python以进入python环境。

然后输入import tensorflow as tf可见如下：

再输入tf.test.is_gpu_available()，若最后为True表示GPU可用，证明已经成功安装Tensorflow的GPU版本，如下图：

大功告成