我有一臺安裝了 cuda 10.1 和 tensorflow 和 tensorflow gpu 1.14.0 的機器。我正在運行一個在 virtualenv 中訓練 CNN 的 python 腳本。我在源代碼中表示我要使用GPU，如下：import osos.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID";os.environ["CUDA_VISIBLE_DEVICES"]="0";但是，當我運行腳本時，訓練階段需要很多時間才能完成。這是我的 nvidia-smi 的輸出：我認為奇怪的是為什么 GPU 利用率如此之低以及為什么我的 python 腳本沒有出現在進程列表中。以下是我嘗試過的一些命令的輸出：>>> import tensorflow as tf>>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))輸出是2019-10-14 09:53:12.674719: I tensorflow/core/platform/cpu_feature_guard.cc:142] 您的 CPU 支持未編譯此 TensorFlow 二進制文件以使用的指令：AVX2 FMA 2019-10-14 09:53:12.679047 : I tensorflow/stream_executor/platform/default/dso_loader.cc:42] 成功打開動態庫 libcuda.so.1 2019-10-14 09:53:12.784993: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] 成功從 SysFS 讀取的 NUMA 節點為負值（-1），但必須至少有一個 NUMA 節點，所以返回 NUMA 節點為零 2019-10-14 09:53:12.785744: I tensorflow/compiler/xla/service/service. cc:168] XLA 服務 0x55f155c59650 在平臺 CUDA 上執行計算。設備：2019-10-14 09:53:12.785771：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 設備（0）：GeForce RTX 2080 Ti，計算能力 7.5 2019-10-14 09:53:12.806453：I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU 頻率：3600000000 Hz 2019-10-14 09:53:12.807345：I tensorflow/compiler/ xla/service/service.cc:168] XLA 服務 0x55f15605dfc0 在平臺主機上執行計算。設備：2019-10-14 09:53:12.807408：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 設備（0）：，2019-10-14 09:53:12.807829：I tensorflow/stream_executor /cuda/cuda_gpu_executor.cc:1005] 從 SysFS 讀取的成功 NUMA 節點具有負值 (-1)，但必須至少有一個 NUMA 節點，因此返回 NUMA 節點零 2019-10-14 09:53:12.808859: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] 找到具有屬性的設備 0：名稱：GeForce RTX 2080 Ti 主要：7 次要：5 memoryClockRate(GHz)：1.545 pciBusID：0000：2019-10-14 01:00.0 09:53:12.809148：我
2 回答
守著一只汪
TA貢獻1872條經驗 獲得超4個贊
最近我向朋友發送了使用 conda 安裝 cuda 和 tf-gpu 的說明（因為這很快） - 在互聯網上搜索了一段時間后，我的協議是這樣的：
##########################
# Install Miniconda
##########################
mkdir -p ~/install
cd ~/install
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# I guess on a mac you should do
# wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
#########################
# install nvidia driver
# so these are the linux (ubuntu) commands
# for mac, maybe one should follow the scheme
# removing nvidia drivers first
# and then download newest nvidia driver
# and install it
# and reboot
#
# If you are using a laptop without gpu, just skip this block
#########################
sudo apt purge nvidia-* # remove all nvidia driver first
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt install nvidia-driver-418
sudo apt install nvidia-cuda-toolkit
# reboot
sudo reboot
#########################
# install machine learning stuff keras tensorflow-gpu
#
# if you are installing in a laptop without gpu,
# replace 'tensorflow-gpu' by 'tensorflow'!
#########################
conda create --name keras
conda activate keras
conda install python ipython jupyter pandas scipy seaborn scikit-learn tensorflow-gpu keras pytest openpyxl graphviz
#########################
# finally, test a successful installation by:
# entering:
ipython # and there trying:
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
# should list gpu
# sth like:
physical_device_desc: "device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1"
, name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 14085000268159177816
physical_device_desc: "device: XLA_GPU device"
]
Smart貓小萌
TA貢獻1911條經驗 獲得超7個贊
從您的日志中：
無法 dlopen 庫“libcudart.so.10.0”；dlerror：libcudart.so.10.0：無法打開共享對象文件：沒有這樣的文件或目錄；
你安裝了CUDA 10.1但是TF-GPU需要CUDA 10.0，所以你需要安裝它（不需要卸載10.1的，它們可以共存）
添加回答
舉報
0/150
提交
取消