Tensorflow GPU使用

Question

我试图在Keras中训练我的第一个图像分类器，使用8000张图片的训练集时速度非常缓慢。训练期间，我的CPU / GPU使用率约为40％/ 3％，我并不完全相信tensorflow-gpu已正确安装，因为我没有看到我应该在导入时看到的“成功打开CUDA库”行。

我的问题是：

1. 这个大小的东西通常需要1080多长时间来训练？

2. 假设我已经安装了以下内容，尝试设置tensorflow-gpu时可能会错过什么？

   • 全新的Windows 10安装
   • 最新的64位Anaconda
   • Visual Studio 2017，只勾选了“使用C ++进行桌面开发”
   • 带有最新补丁的Cuda Toolkit 9.0
   • CuDNN v7.0.5（2017年12月5日），适用于CUDA 9.0
   • tensorflow-gpu 1.7
   • 环境变量截图

- Justin

---

你所描述的路径并不是检查tf gpu使用情况的方法。请提供一些代码以及输出，以便我们帮助你。你使用的是哪个IDE？在哪里检查使用情况？你是否已经检查了nvidia-smi.exe，并查看内存是否为你的环境分配了？安装后你是否测试过cudnn？ - n1tk

Answer 1

检查您的tf是否使用GPU的一种方法（也是最好的方法）是使用nvidia-smi：在这里，您可以看到我的任务的GPU内存使用情况（我有160万个观测值，13个变量，需要大约11 GB，您的也应该需要几MB或GB，不知道您的图片长什么样）。因此，如果您的系统在开始运行模型时不显示此信息，则肯定正在使用CPU（GPU需要几分钟到几小时，而CPU则需要更长时间）。

注意：我的终端无法输出tensorflow的输出内容，这些内容在IDE中如下显示（CUDA不会像在线上所声称的那样显示，那个cuda问题只是当不兼容时无法在tf中启动GPU）。

一旦正确安装了cudnn，以下是测试通过的信息：

P.S：希望有所帮助。昨天在Ubuntu上尝试使用Tensorflow 1.7版本，但是没有按预期工作（GPU没有工作），因此降级回到了1.6版本，建议您使用1.6版本:

对于您的设置与官方文档有些不同:

Nvidia CUDA Toolkit文档

因此，这里是正确的路径:

确保设置了以下值:

Variable Name: CUDA_PATH 
Variable Value: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

- n1tk