tensorflow无法用于jupyter Python中Tensorflow无

当用下面内容代码查看GPU数量时，gpus返回的一个空列表，说明tensorflow没有找到GPU。

import tensorflow as tf 查看gpu和cpu的数量gpus = tf.config.experimental.list_physical_devices(device_type=’GPU’)cpus = tf.config.experimental.list_physical_devices(device_type=’CPU’)

是由于tensorflow版本从2.x开始不再区分CPU版和GPU版，

官网中说明Tensorflow 2.10是最终一个在本地windows上支持GPU的版本。

因此要在native-windows上使用GPU，就只能安装2.10.0版本及下面内容的版本，或者安装老版的tensorflow-gpu。

解决步骤：

所有现在我们要做的就是：要使用python2.10版本的Tensorflow去调用GPU

然而你如果想使用2.10版本的Tensorflow，你必须下载相应适配的CUDA

WIN+r 输入cmd 用Python -V查看你的python版本

Python -V或python –version

查出来：

接下来就是要把TensorFlow的版本降下来，在PyCharm里面的终端运行下面代码

pip install tensorflow==2.10.0

WIN+R并输入CMD打开命令提示符，输入nvidia-smi查看驱动支持的最高CUDA版本，以本人驱动为例，适用的最高CUDA版本为12.1

nvidia-smi

下一步是彻底删除旧的CUDA和cuDNN

先删除含CUDA的程序

在搜索栏输入控制面板&8212;->打开控制面板

点击程序和功能

卸载所有与CUDA有关的程序

检查删除环境变量

打开此电脑&8212;->体系属性&8212;->高质量体系设置&8212;->环境变量

找到环境变量和体系变量的path，点击编辑，若发现path中没有含CUDA的环境变量，证明刚刚第一步卸载CUDA的时候体系已经自动删除，若体系没有自动删除（path中仍然含有C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0这样含有CUDA的路径），则需要手动删除。

检查删除文件夹

找到NVIDIA GPU Computing Toolkit文件夹，删除该文件夹即可，由于安装CUDA时默认的安装路径就是这个文件，又由于cuDNN是专门为深度进修设计的GPU加速库，通常是安装在CUDA的目录下的，因此把这个文件删了，也就把CUDA和cuDNN删除干净了！

完成以上三大步骤，CUDA和cuDNN就卸载完成啦！

接下来就是要重新安装合适版本的CUDA（CUDA11.2）下载地址

验证CUDA是否安装完成

在新打开的cmd窗口中输入：

nvcc -V

同样下载匹配的cuDNN，这里选择8.9.7适用于CUDA 11.X的版本:链接地址

解压出cuDNN文件后

复制下面内容三个文件夹

将文件夹粘贴至如下路径:

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

验证cuDNN是否安装成功

①在下述文件夹右键，打开终端

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

②输入：

.deviceQuery.exe

得到PASS即代表安装成功

输入：

.bandwidthTest.exe

得到PASS即代表安装成功

接着就是给CUDA配置环境变量

此电脑——属性——高质量体系设置——环境变量——体系变量 ,在体系变量中找到path，去里面加另外两条，前两条应该本来就有，把后两条加上，最终有四条路径见截图

在python中pip安装tensorflow-cpu

pip install tensorflow-cpu==2.10

如果曾经安装过，其他两种，可以先执行卸载。

pip uninstall tensorflow pip uninstall tensorflow-gpu

安装plugin

pip install tensorflow-directml-plugin

如果此时出现

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

那一定是前面的环境没有配置好，重新弄吧。

弄好后重启电脑

安装下面的俩个

conda install cudatoolkit=11.1conda install “tensorflow<2.11”

接着在python运行下面内容代码：

import tensorflow as tf 检查 TensorFlow 是否看到 GPUprint(“TensorFlow version:”, tf.__version__)print(“Num GPUs Available: “, len(tf.config.list_physical_devices(‘GPU’))) 打印出可用 GPU 的详细信息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无法调用GPU难题的解决技巧的详细内容，更多关于Python Tensorflow无法调用GPU的资料请关注风君子博客其它相关文章！

无论兄弟们可能感兴趣的文章:

TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
Win10下安装并使用tensorflow-gpu1.8.0+python3.6全经过分析（显卡MX250+CUDA9.0+cudnn）
运行tensorflow python程序,限制对GPU和CPU的占用操作
Python中tensorflow的argmax()函数的使用
Python?加载?TensorFlow?模型的注意事项

台阶网

tensorflow无法用于jupyter Python中Tensorflow无

验证CUDA是否安装完成

您可能感兴趣