开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

tensorflow，tensorflow-gpu无法识别GPU

TensorFlow 无法识别 GPU 可能是由于多种原因造成的

1. 确保已正确安装 CUDA 和 cuDNN

TensorFlow 需要 NVIDIA CUDA 和 cuDNN 库才能使用 GPU。请确保已按照 NVIDIA 官方文档和 cuDNN 官方文档的说明正确安装了这些库。

2. 检查 GPU 是否可用

在命令行中运行以下命令以检查 GPU 是否可用：

nvidia-smi

如果看到类似以下的输出，说明 GPU 可用：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 465.19.01    Driver Version: 460.32.03    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla K80           Off  | 00000000:00:1E.0 Off |                    0 |
| N/A   35C    P8    29W / 149W |      0MiB / 11441MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

3. 设置环境变量

确保已设置正确的环境变量。在 Linux 或 macOS 上，可以在 ~/.bashrc 或 ~/.bash_profile 文件中添加以下内容：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

在 Windows 上，可以在系统环境变量中设置这些路径。

4. 安装 TensorFlow GPU 版本

确保已安装 TensorFlow GPU 版本。可以使用以下命令安装：

pip install tensorflow-gpu

或者，如果你使用的是 Anaconda，可以使用以下命令：

conda install -c anaconda tensorflow-gpu

5. 验证 TensorFlow 是否能识别 GPU

运行以下 Python 代码以验证 TensorFlow 是否能识别 GPU：

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

如果输出大于 0 的数字，说明 TensorFlow 已成功识别 GPU。

相关搜索:python :无法导入tensorflow-gpu Tensorflow-gpu无法获取卷积算法 TensorFlow-GPU找不到GPU tensorflow-gpu比tensorflow慢如果同时安装了Tensorflow和Tensorflow-gpu，如何使用Tensorflow-gpu？Tensorflow-gpu未检测到GPU Tensorflow-GPU将不会运行GPU 安装Tensorflow-GPU时出错如何使用tensorflow-gpu GPUOptions ubuntu18.04安装tensorflow-gpu tensorflow-gpu ValueError:未知层:功能如何安装tensorflow-gpu 2.0版 Tensorflow 1.13.1无法识别GPU tensorflow-gpu缺少库dlerror -导入错误安装tensorflow-gpu时出现的问题？由于CUDA问题，无法使tensorflow-gpu在R中工作为什么tensorflow-gpu==1.13.1不可用？Docker tensorflow-gpu映像仅适用于cpu 内存耗尽如此之快-tensorflow-gpu tf-nightly-gpu和tensorflow-gpu之间的区别是什么

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

linux服务器，卸载tensorflow CPU 安装PGU版

之前用的和学习的都是pytorch框架，现在要运行一个keras的代码，得安装tensorflow和keras，按一个教程，直接在pycharm里setting，点那个+很快就装好了tensorflow和keras，运行了几次发现运行特别慢，用nvidia-smi查看，发现根本没有用pgu跑，一番查找，最后发现安装的tensorflow本身是按CPU跑的，要用GPU跑，得安装tensorflow-gpu。以下主要参考了https://blog.csdn.net/qq_38502918/article/details/108009692进行操作，成功安装了tensorflow-gpu版本的。记录以下安装过程。重点： CUDA的版本要与tensorflow-gpu的一定要对应，否则会出错。注意点：安装好tensorflow-gpu后，安装对应版本的keras版本。 https://blog.csdn.net/weixin_40109345/article/details/106730050

03

放下王者农药这锅，玩一把Tensorflow吧

暑期开始了！对于Lady姐来说，如何安排儿子的暑期生活是一件大事，显然是不能沉迷于王者农药，于是Lady姐随手扔了一个教程给他：按照这份教程，在家里Win7的台式机上安装Tensorflow!

GPU VS CPU

安装TensorFlow GPU版本 !pip install tensorflow-gpu Collecting tensorflow-gpu [?25l Downloading https://

01

windows 10环境下安装Tensorflow-gpu

网上有很多教程，特别是简写上的写的都还算比较详细。但我自己还是遇到了几个坑，希望对深度学习有兴趣的同学遇到跟我一样的坑，希望这份记录能帮助到你。

03

TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）

记录一下安装win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5

02

ubuntu系统使用Anaconda安装tensorflow-gpu环境

安装tensorflow-gpu，需特别注意tensorflow-gpu、Python、CUDA、cuDNN版本的适配信息，版本不适配会导致tensorflow-gpu安装失败，该安装教程选择的软件版本信息为：ubuntu18.04 + Anaconda3.5.3.1 + Python3.6.12 + tensorflow-gpu2.2.0 + CUDA10.1 + cuDNN7.6.5

01

深度学习环境搭建：tensorflow安装教程及常见错误解决

区别于其他入门教程的“手把手式”，本文更强调“因”而非“果”。我之所以加上“通用”字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。大家都知道深度学习涉及到大量的模型、算法，看着那些乱糟糟的公式符号，心中一定是“WTF”。我想说的是，这些你都不要管，所谓车到山前必有路。 # 所需安装包 # 通常以我的习惯是以最简单的方式来接触一门新的技术，并且尽量抛弃新的（边缘）技术的介入，如果因为一些其他因素来导致学习树的不断扩大，会变得很低效，所以我们直击核心。以最常用的windows环境为例。

06

安装tensorflow GPU版本–tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.7）「建议收藏」

不同版本的tensorflow-gpu与CUDA对应关系如下表所示（图片有点旧了，python版本是2.7和3.3-3.8）：

02

在Window10下安装Anaconda3和tensorflow-gpu

【简述】关于Window安装TensorFlow- GPU环境的文章网上已经有很多了，但是为什么还要写这篇文章呢，就是被网上的文章给坑了。由于tensorflow-gpu的版本和CDUDA版本，甚至CUDNN版本都有着对应关系，导致在安装TensorFlow- GPU入了很多坑，最后还是通过看错误信息，才顺利安装上的，因此分享这篇文章，避免小伙伴们入坑（大家可以对照我的模式来安装）。借鉴了两位大神的安装教程之后，综合一下终于安装成功了。 https://www.cnblogs.com/raorao1994/p/8857229.html https://blog.csdn.net/qilixuening/article/details/77503631 先上环境：

01

Windows10下安装Anaconda、Pycharm、Tensorflow-gpu，并在Pycharm中配置Tensorflow

PyCharm 是一款功能强大的 Python 编辑器，其提供了一个带编码补全，代码片段，支持代码折叠和分割窗口的智能、可配置的编辑器，可帮助用户更快更轻松的完成编码工作。用户可使用其编码语法，错误高亮，智能检测以及一键式代码快速补全建议，使得编码更优化。所以我一般推荐使用Pycharm进行python代码编辑。

02

Ubuntu17.04安装TensorFlow1.2的GPU版本

本文介绍了在Ubuntu 17.04系统上安装TensorFlow 1.2的GPU版本的过程，包括安装NVIDIA的GPU-CUDA, cuDNN, libcupti-dev, 以及通过pip或spip安装TensorFlow-GPU版本。

05

CUDA、CUDNN在windows下的安装及配置

全网最详细 | Windows 安装 TensorFlow2.0 GPU 详细教程

04

百折不挠，终于装好「TensorFlow」

此文为交流群「TensorFlow群」呵呵哒贡献，自己在win10中安装时踩过的坑，希望还被这些问题困扰的小伙伴，看完此文后能豁然开朗，同时没有安装过的以后可能会用到的小伙伴，可以收藏下，以备后用。

01

Windows 64位下安装TensorFlow

之前写过一篇在 ubuntu 下安装 TensorFlow 的教程，那个时候 TensorFlow 官方还不支持 Windows 系统，虽然可以通过其他方法安装，但是终究不是原生的，而且安装过程繁琐易错。好消息是，Google官方在11月29号的开发者博客中宣布新的版本（0.12）将增加对Windows的支持，我11月30号知道的，立马就安装试了试，安装过程非常简单，不过也有一些需要手动调整。

02

TensorFlow-gpu和opencv安装详细教程

进入官网(https://www.anaconda.com/) – get started- Install Anaconda Individual Edition- DownLoad- 选择对应版本，这里选择window python3.7 64位，然后一路安装，记得加环境变量

01

我的机器学习之路--anaconda环境

网上许多教程比较晦涩难懂，本教程按照笔者（新手）自己的视角记录，希望给大家一些帮助

03

深度学习入门笔记系列 ( 一 )

本系列将分为 8 篇。今天是第一篇，工欲善其事必先利其器，先简单讲讲当前的主流深度学习框架 TensorFlow 及其安装方法。

02

卸载tensorflow的CPU版本并安装GPU版本「建议收藏」

之前我已经安装了anaconda，现在检查它的版本以及环境。发现有tensorflow环境，但我需要tensorflow-gpu的环境，所以输入conda uninstall tensorflow卸载了，

01

几行代码就可以安装Tensorflow-GPU，你学会了吗？

本次教程主要是在Ubuntu 18.04下安装Tensorflow 2.0 GPU版本，大家之前在安装Tensorflow 2.0 GPU版本时，是否经常遇到CUDA、CUDNN安装麻烦的问题，下面呢，我介绍一种可以不用安装CUDA、CUDNN的方法（ps:这些安装自动在conda install tensorflow-gpu==2.0.0安装哦）！

03

bash: 一键安装TensorFlow

一键安装TensorFlow 的 bash文件源码： echo 'Install dependencies' sudo apt-get install libcupti-dev echo 'Install tensorflow-gpu' pip install --upgrade ../../Tensorflow/tensorflow_gpu-1.4.0-cp36-cp36m-linux_x86_64.whl 或者： echo 'Install dependencies' sudo apt

02

使用Anaconda搭建TensorFlow-GPU环境

前言：对于深度学习来说，各种框架torch,caffe,keras,mxnet,tensorflow,pandapanda环境要求各一，如果我们在一台服务器上部署了较多的这样的框架，那么各种莫名的冲突会一直伴随着你，吃过很多次亏之后，慢慢的接触了Anaconda，真的是很爽的一个功能，来管理环境配置。我们进行tensorflow安装的时候，还是使用Anaconda，鉴于国内墙太高，我们使用了Tsinghua的镜像文件，清华大学的Anaconda介绍地址见：https://mirror.tun

tensorflow指定版本的安装及升级到最新版「建议收藏」

安装anaconda，然后用python的pip可以安装特定版本的tensorflow，如：

03

Cannot open pip-script.py

这几天一直在折腾faceswap，安装过程中发现各种神奇的bug。首先第一个就是github无法正常访问的问题，clone代码的时候各种提示服务器连接超时。可以修改hosts文件添加以下内容：

03

生命不息，折腾不止：Jetson Nano填坑之软件篇

作为一名每天对着各种裸板的系统工程师，对Jetson Nano会踩到各种坑是做好了充分准备的，本着踩坑填坑的精神，在这里记录一下踩坑经历，供大家一乐。如何避开这些坑？想多了，因为以后你们即使绕开了这些坑，也会有其它的坑等着你:) 重要的是要做到人挡杀人、佛挡杀佛，遇到坑直接趟过去。

02

深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置

安装CUDA前需要安装Visual Studio，我安装的版本为Visual Studio 2017，视频与博客中未提及，请小伙伴们注意。

03

卸载tensorflow-cpu重装tensorflow-gpu操作

问题描述：为了把之前的CPU版本的tensorflow卸载，换成GPU版本的tensorflow，经历了一番折腾。

02

linux安装keras+tensorflow-gpu步骤

最近从网上下载了一个代码是keras+tensorflow的，第一次运行python代码有点激动，中间遇见了一些坑，记录一下解决方案。

01

Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程）

配置环境，研究了一整天，踩了很多坑，在网上找了很多资料，发现基本上都没非常明确的教程，所以今天想分享一下配置tensorflow GPU版本的经验，希望能让各位朋友少走些弯路。（PS：一切的前提，你需要有一张Nvidia显卡。我的显卡是 GT940MX）

03

Tensorflow 测试一段能运行在 GPU 的代码

官方文档「又长又臭」，我只是想在 Kubernetes 集群里，运行一个能跑在 GPU 显卡的程序而已，文档太多，看的眼花缭乱，本文就讲一个简单的例子。

03

tensorflow 使用CPU而不使用GPU的问题解决

今天发现一个怪现象，在训练keras时，发现不使用GPU进行计算，而是采用CPU进行计算，导致计算速度很慢。

02

五分钟喝不完一杯咖啡，但五分钟可以带你入门TensorFlow

本文是《人人都能学人工智能-TensorFlow系列》文章的第一篇，这个系列会对TensorFlow的基础使用，SoftMax，交叉熵，Dropout，CNN，LSTM和NLP等内容进行系列介绍，尽量使用通俗的语言，让更多的人都能了解人工智能，了解TensorFlow。 TensorFlow是Google开源的一款人工智能学习系统。为什么叫这个名字呢？Tensor的意思是张量，代表N维数组；Flow的意思是流，代表基于数据流图的计算。把N维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处

09

Anaconda中将python 3.7版本退回python 3.6版本

Windows10系统在anaconda下安装tensorflow-gpu（CUDA Toolkit、CUDNN）

03

Tensorflow-gpu的安装+pycharm

1.可以去https://www.anaconda.com/distribution/（Anaconda官网）下载对应的Anaconda 2.在安装完之后添加Anaconda进电脑的环境变量具体方法：我的电脑–属性–高级系统设置–环境变量–用户变量–path–添加Anconada

01

基础服务系列-Jupyter Install TensorFlow

TensorFlow is a deep learning framework that provides an easy interface to a variety of functionalities, required to perform state of the art deep learning tasks such as image recognition, text classification and so on. New Terminal pip3 --version Inst

02

观点 | 别再使用pip安装TensorFlow了！用conda吧～

conda 是一个开源包和环境管理系统，能够跨平台运行，在 Mac、Windows 和 Linux 上都可以运行。如果你还没用过 conda，我推荐你立刻开始使用，因为它会让管理数据科学工具变得更轻松。

02

【tensorflow】安装tensorflow

安装TensorFlow 有Cuda 检查可安装的tensorflow-gpu版本范围：安装： pip install tensorflow-gpu 无Cuda 检查可安装的tensorfl

01

多摄像头实时目标跟踪和计数，使用YOLOv4，Deep SORT和Flask

git仓库地址：https://github.com/LeonLok/Multi-Camera-Live-Object-Tracking

03

Windows下卸载TensorFlow

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/152122.html原文链接：https://javaforall.cn

04

五分钟喝不完一杯咖啡，但五分钟可以带你入门TensorFlow

本文是《人人都能学人工智能-TensorFlow系列》文章的第一篇，这个系列会对TensorFlow的基础使用，SoftMax，交叉熵，Dropout，CNN，LSTM和NLP等内容进行系列介绍，尽量使用通俗的语言，让更多的人都能了解人工智能，了解TensorFlow。 TensorFlow是Google开源的一款人工智能学习系统。为什么叫这个名字呢？Tensor的意思是张量，代表N维数组；Flow的意思是流，代表基于数据流图的计算。把N维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处

Windows下Tensorflow的环境安装和Hello world

本文介绍了深度学习在数字识别上的应用，通过使用Tensorflow框架在Windows系统上搭建环境，并运行一个识别手写数字的示例程序。文章还提到了安装过程中的注意事项，以及Tensorflow在GPU上的支持。

05

linux-Anaconda+conda创建python-tensorflow虚拟环境

Anaconda 安装包可以到清华 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载可选择之前的版本。或者https://www.anaconda.com/download/#linux官网下载地址，最新版本。不添加镜像，或者添加清华镜像https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/好处是下载快（其实我感觉差不多速度）自行选择。清华镜像添加是执行下面几句 conda config --

03

win10安装tensorflow-gp

亲测，TensorFlow-gpu1.13.1支持cuda10.0的版本，所以我们可直接选择cuda10.0的版本

03

Linux安装Anaconda和TensorFlow

众所周知Python常用的版本有2.x和3.x，常常会引起版本问题。由于我在Linux系统中已经安装有Python3.x和对应的TensorFlow，现在遇到需要跑在Python2.x下的TensorFlow工程时，就很麻烦，因此可以用Anaconda来建立一个独立的小环境来另外安装Python2.x及其对应的TensorFlow来跑这个工程。

03

windows安装tensorflow

下载可以去官网上下载，直接搜索找与你电脑对应的版本就好，国内清华镜像网站是：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

04

ubuntu16.04 cuda9.0 cudnn Tensorflow GPU 1.10.0

apt-get update && apt-get dist-upgrade reboot do-release-upgrade

04

经验拾忆（纯手工）=> Tensorf

python & cuda & cudnn & 显卡型 & tensorflow 版本如果匹配不好，可能会踩坑。。本篇文章，讲述了全套安装过程与我所踩过的坑。

00

keras版Mask-RCNN来训练自己的目标检测数据集

1、下载好cuda9跟cudnn7，然后在安装好后，cuda其会自动添加到环境变量里，所以使用keras进行GPU加速的时候会自动使用这些库。

02

Windows下TensorFlow安装与代码测试

Windows下TensorFlow安装与代码测试一：Tensorflow介绍 TensorFlow是谷歌的深度学习应用开发框架，其思想基于数据流图与节点图实现，简单易用，同时有具有以下几个特点：可视化训练过程 CPU与GPU支持先构建再运行的数据流节点会话支持的系统包括如下： Ubuntu 16.04以后版本 Windows7以后版本 MacOS X 10.11以后版本特别强调一下，最好是64位的系统比较好，因为Tensorflow本身测试都是64位的机器上完成的，当前的Tensorflow的最

08

一文上手Tensorflow2.0（四）

【磐创AI导读】：本系列文章介绍了与tensorflow的相关知识，包括其介绍、安装及使用等。本篇文章是本系列文章的最后一篇。查看上篇：一文上手Tensorflow2.0之tf.keras｜三。在文末作者给出了答疑群的二维码，有疑问的读者可以进群提问。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。

02

查看已安装tensorflow版本的方法示例

由于tensorflow版本不同,可能一些函数的调用也有变换,这时候可能需要查看tensorflow版本,可以在终端输入查询命令如下:

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭