Невозможно использовать графический процессор с Tensorflow

Question

Невозможно использовать графический процессор с Tensorflow

У меня установлен tenorflow с CUDA 7.5 и cuDNN 5.0. Моя видеокарта - NVIDIA Geforce 820M с возможностью 2.1. Однако я получаю эту ошибку.

Ignoring visible gpu device (device: 0, name: GeForce 820M, pci bus id: 0000:08:00.0) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.
Device mapping: no known devices.

Есть ли способ запустить GPU на 2.1? В Интернете я обнаружил, что именно cuDNN требует этой возможности, поэтому установит ли я более раннюю версию cuDNN для использования графического процессора?

-1

tensorflow cuda gpu cudnn compute-capability

Источник

user4400634 25 окт '16 в 08:21

3 ответа

Другие вопросы по тегам tensorflow cuda gpu cudnn compute-capability

user1695960 25 окт '16 в 12:16 2016-10-25 12:16 · Answer 1 · 2016-10-25 12:16

Требуется для tenorflow-gpu графические процессоры с вычислительной способностью 3.0 или выше для ускорения графических процессоров, и это было верно с самого первого выпуска тензорного потока.

Для cuDNN также требуются графические процессоры с вычислительной мощностью 3.0 или выше, но с самого первого выпуска cuDNN.

user4950753 06 июл '22 в 22:24 2022-07-06 22:24 · Answer 2 · 2022-07-06 22:24

С помощью tensorflow (используя Keras) вы можете заставить его работать с PlaidML PlaidML . Мне удалось запустить тензорный поток с графическим процессором на графических процессорах AMD и NVidia (некоторые старые) с PlaidML. Это не так быстро, как CUDA, но намного быстрее, чем ваш процессор.

Для справки, я запускал его на старом Macbook Pro (2012 г.) с графическим процессором NVidia 650 (1,5 ГБ), а также на AMD HD Radeon 750 3 ГБ.

Предостережение в том, что это должен быть Keras против TF более низкого уровня. О нем много статей, и теперь у него есть поддержка Intel.

user13999729 27 июл '20 в 20:12 2020-07-27 20:12 · Answer 3 · 2020-07-27 20:12

config = tf.compat.v1.ConfigProto(gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memory_fraction=0.8))
config.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=config)
tf.compat.v1.keras.backend.set_session(session)

Попробуйте разместить этот код перед кодом Python. Также убедитесь, что в вашем наборе инструментов CUDA установлены все библиотеки cuDNN (если в Windows вы должны установить библиотеки DLL в Program Files > NVIDIA GPU computing toolkit > CUDA > version xx directory). Документацию можно найти на сайте NVIDIA для разработчиков: https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html