У меня установлен графический процессор NVIDIA GeForce GT 740M (вычислительная мощность 3.0) и установлены следующие версии CUDA, cuDNN и tensorflow.
nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105
кот /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
pip3 показать tensorflow-gpu
Name: tensorflow-gpu
Version: 1.13.1
Summary: TensorFlow is an open source machine learning framework for everyone.
Home-page: https://www.tensorflow.org/
Author: Google Inc.
Author-email: [email protected]
License: Apache 2.0
Location: /home/lightning/.local/lib/python3.6/site-packages
Requires: grpcio, tensorboard, absl-py, termcolor, protobuf, astor, gast, numpy, tensorflow-estimator, wheel, keras-preprocessing, keras-applications, six
pip3 показывает тензорный поток
Name: tensorflow
Version: 1.13.1
Summary: TensorFlow is an open source machine learning framework for everyone.
Home-page: https://www.tensorflow.org/
Author: Google Inc.
Author-email: [email protected]
License: Apache 2.0
Location: /home/lightning/.local/lib/python3.6/site-packages
Requires: wheel, keras-preprocessing, numpy, astor, six, protobuf, tensorflow-estimator, termcolor, grpcio, keras-applications, absl-py, tensorboard, gast
Но когда я проверяю устройства, обнаруженные тензорным потоком, с помощью print (device_lib.list_local_devices ()), результат выглядит следующим образом ...
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 13567978771733496471
, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU"
memory_limit: 17179869184
locality {
}
incarnation: 12191851301991039336
physical_device_desc: "device: XLA_CPU device"
]
Как я могу заставить тензорный поток видеть графический процессор?
p.s. tenorflow-gpu был установлен до tensorflow, поэтому повторная установка в порядке «1) tensorflow-gpu 2) tensorflow» неэффективна