如何判断tensorflow是否从python shell内部使用gpu加速？
我已经在ubuntu 16.04中使用第二个答案在ubuntu的内置apt cuda安装中安装了tensorflow 。
现在我的问题是如何测试tensorflow是否真的在使用gpu？我有一个gtx 960m gpu。当我import tensorflow这是输出
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally
这个输出足以检查tensorflow是否正在使用gpu吗？
问题答案：
不，我认为“开放式CUDA库”不足以说明问题，因为图形的不同节点可能位于不同的设备上。
要找出使用哪个设备，您可以启用日志设备放置，如下所示：
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
检查您的控制台是否有这种类型的输出。
-
现在我的问题是如何测试tensorflow是否真的在使用GPU？我有一个gtx 960M GPU。当我时，这是输出 这个输出是否足以检查tensorflow是否在使用gpu？
-
如何在Python 3.6 x64中使用TensorFlow GPU版本而不是CPU版本？ Python正在使用我的CPU进行计算 我可以注意到，因为我有一个错误： 您的CPU支持该TensorFlow二进制文件未编译使用的指令：AVX2 我已经安装了tensorflow和tensorflow gpu。 如何切换到GPU版本？
-
问题内容： 如何在Python 3.6 x64中使用 TensorFlow GPU 版本而不是 CPU 版本？ Python正在使用我的 CPU 进行计算。 我可以注意到它，因为我有一个错误： 您的CPU支持该TensorFlow二进制文件未编译为使用的指令：AVX2 我已经安装了tensorflow和tensorflow-gpu。 如何切换到GPU版本？ 问题答案： 遵循本教程Tensorflo
-
问题内容： 运行keras脚本时，得到以下输出： 这是什么意思？我是否正在使用GPU或CPU版本的Tensorflow？ 在安装keras之前，我正在使用Tensorflow的GPU版本。 还显示和没有什么像。 运行[此stackoverflow问题]中提到的命令，将得到以下信息： 问题答案： 您正在使用GPU版本。您可以列出可用的tensorflow设备（也请检查此问题）： 编辑： 使用tens
-
在使用TensorFlow Lite库时，有没有办法确保或至少在运行时确定使用了正确的加速器（CPU、GPU）？ 尽管我已经按照指南设置了对象在具有GPU（Samsung S9）的设备上使用GPU委托，但在某些情况下很可能使用CPU。例如，如果您使用带有默认委托选项对象的量化模型，它将默认使用CPU，因为设置为false。我几乎可以肯定，即使传递给解释器的选项对象有，但还是使用了CPU。不幸的是，
-
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]