常见网站推广方式,深圳网站建设哪家比较好,现在进出深圳最新规定,seo实战密码第四版电子书目录 前置条件硬件条件当前日期 检查方法解决方法版本列表tensorflow2.10.0CUDA12.1cudnn8.8 结果 前置条件
硬件条件
R5-5600G RTX4060
当前日期
当前时间是2023年11月27日#xff0c;请注意本文的时效性#xff0c;保不齐后续出现某个组件的更新能够直接解决这个问题。… 目录 前置条件硬件条件当前日期 检查方法解决方法版本列表tensorflow2.10.0CUDA12.1cudnn8.8 结果 前置条件
硬件条件
R5-5600G RTX4060
当前日期
当前时间是2023年11月27日请注意本文的时效性保不齐后续出现某个组件的更新能够直接解决这个问题。
检查方法
运行以下python代码
import tensorflow as tf
gpus tf.config.experimental.list_physical_devices(device_typeGPU)
cpus tf.config.experimental.list_physical_devices(device_typeCPU)
print(gpus, cpus)如果运行结果为
[] [PhysicalDevice(name/physical_device:CPU:0, device_typeCPU)]那么恭喜说明你的tf仅仅是检测不到GPU设备CPU设备还是能够检查到的。 但是好像从某个版本开始tf就不区分CPU版和GPU版了所以这个问题通过 install tensorflow-gpu 解决的方法已经过时了。
解决方法
整个解决思路也是看了别的大佬的文章整理的1 2这里我直接给出结论大概率是tensorflow的版本安装得太高了将版本降到2.10.0并且将CUDA和cudnn的版本对齐高了的话记得先卸载干净我将我对齐的版本贴上。
版本列表
tensorflow2.10.0
CUDA12.1
cudnn8.8
结果
再次检查输出变为
[PhysicalDevice(name/physical_device:GPU:0, device_typeGPU)] [PhysicalDevice(name/physical_device:CPU:0, device_typeCPU)]则代表成功。
在keras项目开头加上
import os
os.environ[CUDA_VISIBLE_DEVICES] 0训练速度直接翻了三倍。 https://blog.csdn.net/bragen/article/details/129131278 ↩︎ https://blog.csdn.net/ly869915532/article/details/124542362 ↩︎
