當(dāng)用以下代碼查看GPU數(shù)量時(shí)，gpus返回的是一個(gè)空列表，說明tensorflow沒有找到GPU。

import tensorflow as tf
# 查看gpu和cpu的數(shù)量
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')

是由于tensorflow版本從2.x開始不再區(qū)分CPU版和GPU版，

官網(wǎng)中說明Tensorflow 2.10是最后一個(gè)在本地windows上支持GPU的版本。

所以要在native-windows上使用GPU，就只能安裝2.10.0版本及以下的版本，或者安裝老版的tensorflow-gpu。

解決步驟：

所有現(xiàn)在我們要做的就是：要使用python2.10版本的Tensorflow去調(diào)用GPU

但是你如果想使用2.10版本的Tensorflow，你必須下載相應(yīng)適配的CUDA

WIN+r 輸入cmd 用Python -V查看你的python版本

Python -V
或
python --version

查出來：

接下來就是要把TensorFlow的版本降下來，在PyCharm里面的終端運(yùn)行下面代碼

pip install tensorflow==2.10.0

WIN+R并輸入CMD打開命令提示符，輸入nvidia-smi查看驅(qū)動支持的最高CUDA版本，以本人驅(qū)動為例，適用的最高CUDA版本為12.1

nvidia-smi

下一步是徹底刪除舊的CUDA和cuDNN

先刪除含CUDA的程序

在搜索欄輸入控制面板---->打開控制面板

點(diǎn)擊 程序和功能

卸載所有與CUDA有關(guān)的程序

檢查刪除環(huán)境變量

 打開 此電腦---->系統(tǒng)屬性---->高級系統(tǒng)設(shè)置---->環(huán)境變量

找到環(huán)境變量和系統(tǒng)變量的path，點(diǎn)擊編輯，若發(fā)現(xiàn)path中沒有含CUDA的環(huán)境變量，證明剛剛第一步卸載CUDA的時(shí)候系統(tǒng)已經(jīng)自動刪除，若系統(tǒng)沒有自動刪除（path中仍然含有C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0這樣含有CUDA的路徑），則需要手動刪除。

檢查刪除文件夾

找到NVIDIA GPU Computing Toolkit文件夾，刪除該文件夾即可，因?yàn)榘惭bCUDA時(shí)默認(rèn)的安裝路徑就是這個(gè)文件，又因?yàn)閏uDNN是專門為深度學(xué)習(xí)設(shè)計(jì)的GPU加速庫，通常是安裝在CUDA的目錄下的，所以把這個(gè)文件刪了，也就把CUDA和cuDNN刪除干凈了！

完成以上三大步驟，CUDA和cuDNN就卸載完成啦！

接下來就是要重新安裝合適版本的CUDA（CUDA11.2）下載地址

驗(yàn)證CUDA是否安裝完成

在新打開的cmd窗口中輸入：

nvcc -V

同樣下載匹配的cuDNN，這里選擇8.9.7適用于CUDA 11.X的版本:鏈接地址 

解壓出cuDNN文件后

復(fù)制以下三個(gè)文件夾

將文件夾粘貼至如下路徑:

path to your cudaFolder/Files/NVIDIA GPU Computing Toolkit/CUDA/v11.6

驗(yàn)證cuDNN是否安裝成功

①在下述文件夾右鍵，打開終端

path to your cudaFolder/Files/NVIDIA GPU Computing Toolkit/CUDA/v11.6/extras/demo_suite

②輸入：

.\deviceQuery.exe

得到PASS即代表安裝成功

輸入：

 .\bandwidthTest.exe

得到PASS即代表安裝成功

然后就是給CUDA配置環(huán)境變量

此電腦——屬性——高級系統(tǒng)設(shè)置——環(huán)境變量——系統(tǒng)變量 ,在系統(tǒng)變量中找到path，去里面加另外兩條，前兩條應(yīng)該本來就有，把后兩條加上，最終有四條路徑見截圖

在python中pip安裝tensorflow-cpu

pip install tensorflow-cpu==2.10

pip install tensorflow-cpu==2.10

如果曾經(jīng)安裝過，其他兩種，可以先執(zhí)行卸載。

    pip uninstall tensorflow
    pip uninstall tensorflow-gpu

安裝plugin

pip install tensorflow-directml-plugin

如果此時(shí)出現(xiàn)

ERROR: Could not find a version that satisfies the requirement tensorflow-directml-plugin (from versions: none)
ERROR: No matching distribution found for tensorflow-directml-plugin

那一定是前面的環(huán)境沒有配置好，重新弄吧。

弄好后重啟電腦

安裝下面的倆個(gè)

conda install cudatoolkit=11.1
conda install "tensorflow<2.11"

然后在python運(yùn)行以下代碼：

import tensorflow as tf

# 檢查 TensorFlow 是否看到 GPU
print("TensorFlow version:", tf.__version__)
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

# 打印出可用 GPU 的詳細(xì)信息
if tf.config.list_physical_devices('GPU'):
    for gpu in tf.config.list_physical_devices('GPU'):
        print("Name:", gpu.name, "  Type:", gpu.device_type)

得到

以上就是Python中Tensorflow無法調(diào)用GPU問題的解決方法的詳細(xì)內(nèi)容，更多關(guān)于Python Tensorflow無法調(diào)用GPU的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論