TensorFlow 1.14.0未使用GPU
我在我的Ubuntu 19.04笔记本电脑上使用pip安装--user tenorflow-gpu设置了TensorFlow。所有依赖项，如CUDA，CUDNN都安装并工作。但是，当导入TensorFlow并检查tf.test.is_gpu_available（）给我False。我尝试过完全卸载和重新安装TensorFlow，这不起作用。输出tf.test.is_gpu_available（）：
2019-06-27 14:06:18.359739： I tenstorflow/core/平台/cpu_feature_guard.cc:142]您的CPU支持此TensorFlow二进制文件未编译使用的指令： AVX2 FMA 2019-06-27 14:06:18.611194： I tenstorflow/core/平台/profile_utils/cpu_utils.cc:94]CPU频率： 2194885000 Hz 2019-06-27 14:06:18.621295： I tenstorflow/编译器/xla/服务/service.cc:168]XLA service 0x19d54e0在平台主机上执行计算。Devices： 2019-06-27 14:06:18.621339： I tenstorflow/编译器/xla/service/service.cc:175]
StreamExec导师设备（0）：，2019-06-27 14:06:18.742193： I tenstorflow/stream_executor/平台/默认/dso_loader.cc:42]成功打开动态库libcuda.so.1 2019-06-27 14:06:18.869601： I sen orflow/stream_executor/cuda/cuda_gpu_executor.cc:1005]从SysFS读取的成功NUMA节点具有负值（-1），但必须至少有一个NUMA节点，因此返回NUMA节点零2019-06-27 14:06:18.870469： I tenstorflow/core/common_runtime/gpu/gpu_device.cc:1640]找到设备0与属性：名称：GeForce920M主要： 3次要： 5内存ClockRate（GHz）： 0.954 pciBusID： 0000:08:00.0 2019-06-27 14:06:18.870675： I tenstorflow/stream_executor/平台/默认/dso_loader.cc:53]无法删除库'libcudart.so.10.0'； dlerror：libcudart.so.10.0：无法打开共享对象文件：没有这样的文件或目录；LD_LIBRARY_PATH::/usr/local/cuda/extras/CUPTI/lib642019-06-27 14:06:18.870812： I tenstorflow/stream_executor/平台/默认/dso_loader.cc:53]无法删除库'libcublas.so.10.0'； dlerror：libcublas.so.10.0：无法打开共享对象文件：没有这样的文件或目录；LD_LIBRARY_PATH::/usr/local/cuda/extras/CUPTI/lib642019-06-27 14:06:18.870973： I tenstorflow/stream_executor/平台/默认/<#################################################################################################################################################/default/dso_loader.cc： 53]无法删除库libcurand. so.10.0； dlerror： libcurand. so.10.0：无法打开共享对象文件：没有这样的文件或目录；LD_LIBRARY_PATH：：/usr/loc/cuda/额外内容/CUPTI/lib64 2019-06-27 14:06:18.871228： I sen orflow/stream_executor/平台/默认/dso_loader. cc： 53]无法dlopad库'libcus olver. so.10.0'； dlerror： libcus olver. so.10.0：无法打开共享对象文件：没有这样的文件或目录；LD_LIBRARY_PATH：：/usr/local/cuda/额外内容/CUPTI/lib64 2019-06-27 14:06:18.871352： I tenstorflow/stream_executor/平台/默认/dso_loader. cc： 53]无法dlopad库'libcus parse. so.10.0'；dlerror： libcus parse. so.10.0：无法打开共享对象文件：没有这样的文件或目录；LD_LIBRARY_PATH：：/usr/local/cuda/explas/CUPTI/lib64 2019-06-27 14:06:20.233321： I tenstorflow/stream_executor/平台/默认/dso_loader. cc： 42]成功打开动态库libcudnn. so.7 2019-06-27 14:06:20.233363：W tenstorflow/core/common_runtime/gpu/gpu_device. cc： 1663]无法删除某些GPU库。跳过注册GPU设备...2019-06-27 14:06:20.407248： I tensorflow/core/common_runtime/gpu/gpu_device. cc： 1181]设备互连StreamExecator与强度1边缘矩阵： 2019-06-27 14:06:20.407318： I tensorflow/core/common_runtime/gpu/gpu_device. cc： 1187] 0 2019-06-27 14:06:20.407351： I tensorflow/core/common_runtime/gpu/gpu_device. cc：1200] 0： N 2019-06-27 14:06:20.441266： I sen orflow/stream_executor/cuda/cuda_gpu_executor. cc： 1005]从SysFS读取成功的NUMA节点有负值（-1），但必须有至少一个NUMA节点，因此返回NUMA节点零2019-06-27 14:06:20.443613：[0001]本发明涉及在CUDA平台上执行计算的XLA服务0x4ed6d40。Devices： 2019-06-27 14:06:20.443670： I tenstorflow/compiler/xla/service/service. cc： 175]StreamExec导师设备（0）： GeForce920M，计算能力3.5 False
CUDA示例中的DeviceQuery输出：
CUDA设备查询（运行时API）版本（CUDART静态链接）
检测到1个支持CUDA的设备
设备0：“GeForce 920M”CUDA驱动程序版本/运行时版本
10.1/10.1 CUDA功能主要/次要版本号：3.5全局内存总量：4046 MB（4242341888字节）（2）多处理器，（192）CUDA Cores/MP:384 CUDA Cores GPU最大时钟速率：954 MHz（0.95 GHz）
内存时钟速率：900 MHz内存总线宽度：64位二级缓存大小：
524288字节最大纹理维度大小（x，y，z）
1D=（65536），2D=（65536，65536），3D=（4096，4096）最大分层1D纹理大小，（num）层1D=（16384），2048层最大分层2D纹理大小，（num）层2D=（16384，16384），2048层固定内存总量：65536字节每个块的共享内存总量：49152字节每个块的可用寄存器总数：65536扭曲大小：
32每个多处理器的最大线程数：2048每个块的最大线程数：1024个线程块的最大维度大小（x，y，z）：（1024，1024，64）最大网格大小的维度大小（x，y，z）：（2147483647，65535，65535）最大内存间距：
2147483647字节纹理对齐：512字节并发复制和内核执行：有1个复制引擎的内核运行时间限制：是
集成GPU共享主机内存：不支持主机页锁定内存映射：是的对齐要求表面：是设备具有ECC支持：
禁用设备支持统一寻址（UVA）：是设备支持计算抢占：否支持协作内核启动：否支持多设备协作内核启动：否设备PCI域ID/总线ID/位置ID:0/8/0计算模式：
deviceQuery，CUDA驱动程序=CUDART，CUDA驱动程序版本=10.1，CUDA运行时版本=10.1，NumDevs=1结果=PASS
共有3个答案
确保您的cuda版本与TensorFlow匹配，更多详细信息可在此处找到
conda安装-c anaconda tensorflow gpu=1.14。0安装tensorflow 1.14。支持CUDA 10.1的0。
更多细节可以在这里找到。
我特别的问题是TensorFlow 1.14。0正在寻找CUDA10.0二进制文件，而我只安装了10.1。由于某些原因，CUDA 10.0无法安装在我的Ubuntu 19.04上，所以我改为安装了18.04，并遵循标准方法使TF与GPU一起工作（安装CUDA 10.0、安装CUDNN等），一切正常。
此表显示了TF版本与必需的CUDA版本：https://www.tensorflow.org/install/source#linux
以下是TF的说明：https://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10
您也可以降级到TF 1.12（CUDA 9.0）：https://www.tensorflow.org/install/gpu#ubuntu_1604_cuda_90_for_tensorflow_1130
-
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]
-
我正在使用一个去福尔菲区域从我的基于网络的服务器进行下游访问。当客户端接收数据时，我添加到频道未来的频道进程接收器永远不会被调用。我在使用netty编程方面不是很有经验，所以我认为我误解了nettys渐进式频道未来的工作原理。因此，我在这里查看了我在这里找到的示例代码：programcreek.com.但它基本上是相同的代码？我试图在这里找到类似的问题，但找不到原因。提前感谢您的任何提示，为什么听
-
我来自菲律宾。如果我使用Carbon:：now（），它会捕获我的机器时间，而不是UTC时间。 我的配置/app.php是： 这是我的代码： 如果有，我会在晚上9:00（菲律宾时间）发布请求。它捕捉21:00:00，而不是13:00:00（UTC）。
-
这是示例代码。在使用mockito或@Beofre注释之前，一切似乎都很好。现在它可以正确地模拟对象，但某些工厂没有正确地自动连接。 在莫基托之前，一切都很顺利。
-
问题内容： 我正在为内部网络的某些页面做一些开发。我想知道是否有一个开源工具或FF插件可以识别项目中未使用的CSS。 我已经考虑过使用它，但是当我尝试安装附加安装程序时说“与Firefox 3.6不兼容” 请注意，这是用于Intranet（而不是www可见的网站）的，所以我不能使用提供此类服务的在线网站。 问题答案： 他们扫描您的网站并通过电子邮件将结果CSS发送给您。 我知道您正在本地站点上工作
-
我有一个PojoRepository可以很好地用于所有其他任务，除了使用Jboss EAP6.4.0进行搜索，我尝试使用spring boot的嵌入式服务器和单独的tomcat服务器，它可以很好地工作。我的代码片段如下： 错误日志如下： 如果有人有出路...任何建议都非常感谢...谢谢。