已经安装cuda但是tensorflow仍然使用cpu加速的问题

安装了keras、theano之后,一直以为自己用的GPU,今天找到一个小程序测试一下,竟然一直在用CPU(黑人问号)

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time  

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000  

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in range(iters):
    r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print(‘Used the cpu‘)
else:
    print(‘Used the gpu‘)

解决方案:

pip list 查看有没有安装#tensorflow和tensorboard

pip uninstall tensorflow

pip uninstall keras

pip uninastall tensorflow-gpu

pip install tendorflow-gpu

pip install keras

把页面关了,重启

原文地址:https://www.cnblogs.com/kongle666/p/9456417.html

时间: 2024-07-30 08:11:27

已经安装cuda但是tensorflow仍然使用cpu加速的问题的相关文章

anaconda+cuda+cudann+tensorflow环境安装

前几天安装了一下跑tensorflow需要的环境,感觉官方的文档不够详细,很多地方出错了只有上网搜,故把整个流程和经验记录下来. 第一步:安装anaconda anaconda是一个巨好用的python包管理和环境管理软件,有了它妈妈在也不用担心安装依赖和版本问题了.官方下载很慢,建议用清华镜像站的,我下载的是               Anaconda3-5.3.1-Windows-x86_64.exe,安装的python版本是3.7(最开始没太理解anaconda的作用,看tensorfl

window10上安装python+CUDA+CuDNN+TensorFlow

软件 版本 Window10 X64 python 3.6.4(64位) CUDA CUDA Toolkit 9.0 (Sept 2017) CuDNN cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 以上版本测试通过. 安装步骤: 1.安装python,记得要勾选pip. 2.检测是否支持CUDA. NVIDIA官网查询,具体见:https://developer.nvidia.com/cuda-gpus,就可以知道是否可以使用带GPU支持的TensorFlo

安装CUDA和cuDNN

GPU和CPU区别 1,CPU主要用于处理通用逻辑,以及各种中断事物 2,GPU主要用于计算密集型程序,可并行运作: NVIDIA 的 GeForce 显示卡系列采用 GPU 特性进行快速计算,渲染电脑画面,比如大型游戏,图像处理等场景的画面 深度学习的训练过程中,包含了大量重复性的计算,利用 GPU 的计算和并行特性,可提高训练的效率,具备 GPU 特性的电脑显卡就有用武之地啦! 使用 GPU 的计算前需要做些准备,下面以 window 7 x64 系统为例子 一,检查显卡类型和计算能力 1,

『TensorFlow2.0正式版教程』极简安装TF2.0正式版(CPU&GPU)教程

0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本. 不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新升级的深度学习框架了. ? 本篇文章就带领大家用最简单地方式安装TF2.0正式版本(CPU与GPU),由我来踩坑,方便大家体验正式版本的TF2.0. 废话不多说现在正式开始教程. 1 环境准备 我目前是在Windows10上面,使用conda管理的python环境,通过conda安装cuda与cudnn(GPU支持),通过pip安装的t

NVIDIA Jetson TK1学习与开发(六):如何安装CUDA

本文介绍如何安装CUDA,以CUDA6.0为例介绍. 1.Installing the CUDA Toolkit onto your device for native CUDA development Download the .deb file for the CUDA Toolkit for L4T either using a web browser on the device, or download on your PC then copy the file to your devi

Windows64位安装GPU版TensorFlow 0.12,Power Shell下输入:安装Tensorflow的全教程

推荐使用powershell,只需要在cmd指令窗口输入powershell即可 下载64位Python3.5(一定要3.5!!)可以通过Python 3.5 from python.org 或 Python 3.5 from Anaconda 下载并安装Python3.5.2(注意选择正确的操作系统). 具体教程可以查看Python3.5.2百度经验安装,里面有个细节,自动设置环境变量,不能忘 安装VS2015,如果是2013的后面要加个插件,这是后话 为了使用国内镜像加速pip安装,需要如下

Ubuntu 16安装GPU版本tensorflow

pre { direction: ltr; color: rgb(0, 0, 0) } pre.western { font-family: "Liberation Mono", "Courier New", monospace } pre.cjk { font-family: "Nimbus Mono L", "Courier New", monospace } pre.ctl { font-family: "Li

TensorFlow指定GPU/CPU进行训练和输出devices信息

TensorFlow指定GPU/CPU进行训练和输出devices信息 1.在tensorflow代码中指定GPU/CPU进行训练 with tf.device('/gpu:0'): .... with tf.device('/gpu:1'): ... with tf.device('/cpu:0'): ... 2.输出devices的信息 在指定devices的时候往往不知道具体的设备信息,这时可用下面的代码查看对应的信息 进入Python环境 from tensorflow.python.c

win10安装CUDA CUDNN tensorflow-gpu

#1 安装anaconda 官网下载安装即可.python3.7版本 #2 安装CUDA CUDNN 注意tensorflow不同版本所需的CUDA及CUDA对应的CUDNN不同,注意版本匹配! 参考 https://blog.csdn.net/omodao1/article/details/83241074 https://developer.nvidia.com/cuda-gpus https://developer.nvidia.com/cuda-toolkit-archive https