基于Tensorflow使用CPU而不用GPU问题的解决
之前的文章讲过用Tensorflow的object detection api训练MobileNetV2-SSDLite，然后发现训练的时候没有利用到GPU，反而CPU占用率贼高（可能会有Could not dlopen library 'libcudart.so.10.0'之类的警告）。经调查应该是Tensorflow的GPU版本跟服务器所用的cuda及cudnn版本不匹配引起的。知道问题所在之后就好办了。
检查cuda和cudnn版本
首先查看cuda版本：
cat /usr/local/cuda/version.txt
以及cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
重新安装对应版本Tensorflow
根据前面查看得到的cuda和cudnn版本，到Tensorflow官网查看对应的Tensorflow-GPU版本，然后用conda install tensorflow-gpu=[version]重新安装（把[version]换成对应的版本比如1.12）就OK了。
以上这篇基于Tensorflow使用CPU而不用GPU问题的解决就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
我在Tensorflow中的LSTM-RNN上训练一些音乐数据，遇到了GPU内存分配的一些问题，我不明白：我遇到了OOM，而实际上似乎还有足够的VRAM可用。一些背景：我正在使用GTX1060 6GB、英特尔至强E3-1231V3和8GB内存开发Ubuntu Gnome 16.04。现在，首先是我能理解的错误消息的一部分，在中，我将在最后再次添加整个错误消息，以供任何可能要求帮助的人使用： I t
-
我目前正在尝试训练一个聊天机器人，更具体地说是这个。但是，当我开始训练聊天机器人时，它使用了我100%的CPU和大约10%的GPU。有人知道为什么吗。 我已经安装了，并确保我有正确的CUDA和cuDNN版本。我还确保我没有安装基本的pip包。我的GPU也有最新的英伟达驱动程序。我也尝试过卸载和重新安装我所有的驱动程序，CUDA，cuDNN，tensorflow gpu和它所有的依赖和python本
-
本文向大家介绍使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)，包括了使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)的使用技巧和注意事项，需要的朋友参考一下 禁用GPU设置 CPU与GPU对比 显卡：GTX 1066 CPU GPU 简单测试：GPU比CPU快5秒 补充知识：tensorflow使用CPU可以跑（运行），但是使用GPU却不能用的情况
-
本文向大家介绍解决Tensorflow 使用时cpu编译不支持警告的问题，包括了解决Tensorflow 使用时cpu编译不支持警告的问题的使用技巧和注意事项，需要的朋友参考一下 使用TensorFlow模块时，弹出错误Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AV
-
我正在尝试创建和训练一个CNN模型。但每次我运行代码时，tensorflow并没有使用GPU，而是使用CPU。我已经安装了tensorflow的最新版本。附上以下详细信息。 在运行时，我得到以下带有警告消息的输出。（平台：VS代码） 2021-07-28 15:35:13.163991： W tenstorflow/core/common_runtime/bfc_allocator.cc:337]
-
本文向大家介绍关于Tensorflow使用CPU报错的解决方式，包括了关于Tensorflow使用CPU报错的解决方式的使用技巧和注意事项，需要的朋友参考一下 如下所示，简单明了，希望能帮助到你 解决： Operation was explicitly assigned to /device:GPU:0 but available devices are [ /job:localhost/repl