如何检查Keras TensorFlow后端是GPU版本还是CPU版本？

Question

我知道在安装tensorflow时，你要么安装GPU版本，要么安装CPU版本。如何检查已安装哪个版本（我使用linux）？

如果已安装GPU版本，当无法使用GPU时，是否会自动切换到CPU，还是会报错？如果GPU可用，是否需要设置特定字段或值以确保其在GPU上运行？

- matchifang

---

@SalvadorDali 我已经尝试了那个问题的答案，但它没有打印出任何东西。而且，它也没有回答我的问题：如果安装了GPU版本，如果GPU不可用，它会自动运行在CPU上还是会抛出错误？如果GPU可用，是否有特定的字段或值需要设置以确保它在GPU上运行？ - matchifang

但它没有打印出任何东西，这怎么可能？你尝试过我的答案吗？它要么打印出一些东西，要么失败，而答案解释了每个步骤的含义。基本上，你在评论中提出的两个问题都在那里得到了回答。 - Salvador Dali

@SalvadorDali，抱歉。我尝试了你的代码，它可以运行，并显示正在使用CPU。然而，我如何检查我所拥有的tensorflow是GPU版本还是CPU版本呢？ - matchifang

Answer 1

你也可以使用Keras后端函数进行检查：

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

我在Keras (2.1.1)上进行了测试。

- Bumseok

---

在Ubuntu 16.04的命令行会话中运行这个程序是可以的，但它不会提示输入其他命令，直接运行tensorflow也是一样，然后我就得重新启动终端。你有什么想法是什么原因吗？ - Kostas Mouratidis

以上命令的输出应该是什么？ - Nitin

不适用于TF 2.0。 - Shital Shah

对于TF 2.0版本： from tensorflow.python.keras import backend as K @ShitalShah - Elior B.Y.

补充上面的评论，对于TF 2.0， from tensorflow.python.keras import backend as K 后跟 K._get_available_gpus()。 - Anirudh Ajith

Answer 2

根据文档说明。

如果您正在使用TensorFlow或CNTK后端，则在检测到任何可用GPU时，您的代码将自动在GPU上运行。

您可以通过“ - ”检查tensorflow使用的所有设备。

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

同样建议参考这个答案

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

这将打印出你的tensorflow是使用CPU还是GPU后端。如果您在jupyter笔记本中运行此命令，请查看从中启动笔记本的控制台。

如果您怀疑是否已安装了tensorflow gpu版本，则可以通过pip安装gpu版本。

pip install tensorflow-gpu

- markroxor

---

我已安装了TensorFlow GPU，但Keras无法使用它，该怎么办？ - kRazzy R

你是否遵循官方指南 - https://keras.io/backend/ ？ - markroxor

如果您已经安装了tensorflow-gpu，但Keras没有识别它，那么很可能是CUDA库未被找到。您需要CUDA库路径和bin路径（用于ptxas）才能有效地使用Keras/TF的GPU。 - Gearoid Murphy