如何使tensorflow在具有2.x功能的GPU上运行?
tensorflow
7
0

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,以使其能够与新的Ubuntu LTS版本一起使用。

但是,我认为(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GeForce 820M只有2.1。有没有一种方法可以使Tensorflow GPU版本与我的GPU一起使用?

我之所以问这个问题,是因为显然没有办法使tensorflow GPU版本在Ubuntu 16.04上运行,但是通过搜索互联网,我发现情况并非如此,如果不是因为这个未满足的要求,我的确可以使用。现在,我想知道有关GPU计算能力的问题是否也可以解决。

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

2017年9月更新: 没有问题和烦恼的话,没有办法做到 。我一直努力尝试着,甚至运用下面的技巧来强制运行,但最后我不得不放弃。 如果您对Tensorflow持认真态度,请继续购买3.0计算能力的GPU。

这是一个强制tensorflow在2.0计算能力GPU(非官方)上运行的技巧:

  1. 在Lib / site-packages / tensorflow / python / _pywrap_tensorflow_internal.pyd中找到文件(或Lib / site-packages / tensorflow / python / _pywrap_tensorflow.pyd)
  2. 用记事本++或类似的方法打开它

  3. 使用正则表达式搜索3\.5.*5\.2的第一个匹配项

  4. 您看到3.5 * 5.2之前的3.0,将其更改为2.0

我如上所述进行了更改,可以使用GPU进行简单的计算,但是在尝试实际项目时会陷入奇怪和未知的问题(那些项目在3.0计算能力的GPU上运行良好)

收藏
评论

Tensorflow的最新GPU版本需要3.5或更高的计算能力 (并使用cuDNN来访问GPU。

cuDNN 还需要cc3.0或更高版本的GPU

带有Pascal,Kepler,Maxwell,Tegra K1或Tegra X1 GPU的Windows,Linux和MacOS系统都支持cuDNN。

  • 开普勒= cc3.x
  • 麦克斯韦= cc5.x
  • 帕斯卡= 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, 从来没有任何版本的cuDNN或任何版本的正式支持小于cc3.0的NVIDIA GPU。 cuDNN的初始版本始于需要cc3.0 GPU,而TF的初始版本始于需要cc3.0 GPU。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号