我已经在Linux Ubuntu 16.04上成功安装了tensorflow(GPU)并进行了一些小改动,以使其与新的Ubuntu LTS版本一起使用 .
但是,我想(谁知道为什么)我的GPU满足了计算能力大于3.5的最低要求 . 事实并非如此,因为我的_2536012只有2.1 . 有没有办法让tensorflow GPU版本与我的GPU一起工作?
我问的是这个问题,因为显然没有办法让在iOS上使用数字流GPU版本,但通过搜索互联网,我发现事实并非如此,事实上,如果不是因为这个不满足的要求,我几乎可以工作 . 现在我想知道GPU计算能力的这个问题是否也可以修复 .
3 回答
GPU版本的tensorflow requires compute capability 3.0 or higher (and uses cuDNN)来访问GPU . 从here
cuDNN also requires a GPU of cc3.0 or higher:
Kepler = cc3.x
Maxwell = cc5.x
Pascal = cc6.x
TK1 = cc3.2
TX1 = cc5.3
cuDNN不支持Fermi GPU(cc2.0,cc2.1) .
cuDNN也不支持较旧的GPU(例如计算能力1.x) .
请注意,从来没有一个版本的cuDNN或任何版本的TF正式支持NVIDIA GPU低于cc3.0 . cuDNN的初始版本最初是通过要求cc3.0 GPU开始的,TF的初始版本是通过要求cc3.0 GPU开始的 .
2017年9月更新: No way to do that without problems and pains . 我一直在努力尝试,甚至应用下面的技巧来强制它运行,但最后我不得不放弃 . If you are serious with Tensorflow just go ahead and buy 3.0 compute capability GPU.
这是强制在2.0计算能力GPU(非正式)上运行张量流的技巧:
在Lib / site-packages / tensorflow / python / _pywrap_tensorflow_internal.pyd(orLib / site-packages / tensorflow / python / _pywrap_tensorflow.pyd)中查找文件
用记事本或类似的东西打开它
使用正则表达式搜索
3\.5.*5\.2
的第一次出现您在3.5 * 5.2之前看到3.0,将其更改为2.0
我改变了如上所述,可以用GPU进行简单的计算,但在尝试实际项目时遇到奇怪和未知的问题(这些项目运行良好的3.0计算能力GPU)
我发现它如何在计算能力2.1 NVIDIA GeForce 525M for python上安装Tensorflow-gpu,诀窍很简单,使用了tensorflow的存档版本,我使用1.9.0使用PIP的python命令包是pip install tensorflow-gpu = = 1.9.0,cuDNN版本为7.4.1