如何使tensorflow在具备2.x能力的GPU上运行？

Question

如何使tensorflow在具备2.x能力的GPU上运行？

cudatensorflownvidiacudnn

38

我已经在Linux Ubuntu 16.04上成功安装了tensorflow（GPU版本），并进行了一些小的更改以使其与新的Ubuntu LTS版本兼容。

然而，我曾认为（谁知道为什么）我的GPU符合大于3.5的计算能力最低要求。但事实并非如此，因为我的GeForce 820M 的计算能力只有2.1。是否有办法使tensorflow GPU版本能够在我的GPU上运行？

我提出这个问题是因为显然在Ubuntu 16.04上无法使tensorflow GPU版本工作，但通过搜索互联网，我发现这不是事实，并且我几乎使它工作了，除了这个不满足的要求。现在我想知道GPU计算能力的问题是否也可以解决。

- mickkk

我查了一下那个GPU，它看起来非常弱。如果我是你，我会使用CPU tensorflow，因为我认为性能差别不大。甚至可能更快。 - chasep255

@chasep255 我能够在GPU上使用mxnet（Python）。它运行得有点快。是的，差别不是很大，但是当运行很多个时期时，即使是一个小差别也可以帮助。如果将该软件包适应我的机器不需要太多的努力，我想我可以尝试一下。 - mickkk

@mickkk 我注意到 TensorFlow 也支持 OpenCL... 不确定是否可以作为替代方案使用。现在打算尝试这样构建它。如果正常工作，我会回报的。 - Ru Hasha

3个回答

11

2017年9月更新：没有办法解决这个问题而不会遇到问题和痛苦。我尝试了所有的方法，甚至使用以下技巧来强制运行，但最终我不得不放弃。如果你对Tensorflow很认真，那就直接购买 3.0 计算能力的 GPU 吧。 下面是一个在2.0计算能力GPU上强制运行tensorflow的技巧（非官方）：

找到位于Lib/site-packages/tensorflow/python/_pywrap_tensorflow_internal.pyd（或Lib/site-packages/tensorflow/python/_pywrap_tensorflow.pyd）中的文件。
使用Notepad++或类似软件打开它。
使用正则表达式查找第一次出现的 3\.5.*5\.2。
您将看到3.5 * 5.2之前的3.0，将其更改为2.0。

我按上述步骤进行了更改，并可以使用GPU进行简单计算，但在尝试实际项目时遇到了奇怪和未知的问题（使用 3.0 计算能力的 GPU 可以运行这些项目）。

- Tin Luu

10

我强烈建议不要这样做。在我的装有GeForce 800M的笔记本电脑上尝试这个技巧后，结果是不正确的。 - Marcin Tarka

2

是的，发现这一点确实令人难过。我的GPU也发现在处理复杂模型时存在问题（奇怪的错误），而使用相同的模型（相同的代码），它可以在GPU 3.0上平稳运行。 - Tin Luu

2

谢谢大家反馈上面实验中的问题。这帮助我简单地放手并理解如果我想运行TF，我必须购买新的GPU。@TinLuu，请考虑编辑您的答案以反映问题，以便那些可能跳过这些评论的人不会走弯路！ - mayank

谢谢您的建议！我已经更新了答案，这样大家就可以更容易地做出决定了。 - Tin Luu

0

我发现了如何在计算能力为2.1的NVIDIA GeForce 525M上安装Tensorflow-gpu，诀窍很简单，使用Tensorflow的存档版本即可，我使用的是1.9.0版本。使用PIP安装包的Python命令是 pip install tensorflow-gpu==1.9.0 cuDNN版本是7.4.1。

- Jasjit Singh

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Robert Crovella · Accepted Answer

最近的TensorFlow GPU版本需要计算能力3.5或更高（并使用cuDNN来访问GPU）。

cuDNN也需要cc3.0或更高的GPU：

cuDNN支持具有Pascal、Kepler、Maxwell、Tegra K1或Tegra X1 GPU的Windows、Linux和MacOS系统。

Kepler = cc3.x
Maxwell = cc5.x
Pascal = cc6.x
TK1 = cc3.2
TX1 = cc5.3

cuDNN不支持Fermi GPU（cc2.0、cc2.1）。

旧的GPU（例如，计算能力为1.x的GPU）也不受cuDNN支持。

请注意，cuDNN的任何版本或TF的任何版本都从未正式支持过NVIDIA低于cc3.0的GPU。最初版本的cuDNN需要cc3.0 GPU，而最初版本的TF也需要cc3.0 GPU。