TensorFlow 1.14.0未使用GPU

Question

我pip install --user tensorflow-gpu在Ubuntu 19.04笔记本电脑上使用TensorFlow进行设置。像CUDA，CUDNN之类的所有依赖项均已安装并正常工作。但是仍然，当导入TensorFlow并检查时tf.test.is_gpu_available()给我错误。我已尝试完全卸载并重新安装TensorFlow，但该方法无效。输出tf.test.is_gpu_available()：

2019-06-27 14：06：18.359739：I tensorflow / core / platform / cpu_feature_guard.cc：142]您的CPU支持该TensorFlow二进制文件未编译为使用的指令：AVX2 FMA 2019-06-27 14：06：18.611194 ：我tensorflow / core / platform / profile_utils / cpu_utils.cc：94] CPU频率：2194885000 Hz 2019-06-27 14：06：18.621295：我tensorflow / compiler / xla / service / service.cc：168] XLA服务0x19d54e0在平台主机上执行计算。设备：2019-06-27 14：06：18.621339：I tensorflow / compiler / xla / service / service.cc：175]
StreamExecutor设备（0）：，2019-06-27 14：06：18.742193：I tensorflow / stream_executor / platform / default / dso_loader.cc：42]成功打开动态库libcuda.so.1 2019-06-27 14:06 ：18.869601：我tensorflow / 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节点为零2019-06-27 14：06：18.870469：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1640]找到了具有属性的设备0：名称：GeForce 920M主：3次：5 memoryClockRate（GHz）：0.954 pciBusID：0000：08：00.0 2019-06-27 14：06：18.870675：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen库'libcudart.so.10.0'; dlerror：libcudart.so.10.0：无法打开共享库文件：无此文件或目录; LD_LIBRARY_PATH：：/ usr / local / cuda / extras / CUPTI / lib64 2019-06-27 14：06：18.870812：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen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 / lib64 2019-06-27 14：06：18.870973：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen库'libcufft.so。 10.0'; dlerror：libcufft.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 / lib64 2019-06-27 14：06：18.871111：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen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 / local / cuda / extras / CUPTI / lib64 2019-06-27 14：06：18.871228：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen库'libcusolver.so。 10.0'; dlerror：libcusolver.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 / lib64 2019-06-27 14：06：18.871352：我tensorflow / stream_executor / platform / default / dso_loader.cc：53]无法dlopen库'libcusparse.so。 10.0'; dlerror：libcusparse.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 / lib64 2019-06-27 14：06：20.233321：我tensorflow / stream_executor / platform / default / dso_loader.cc：42]成功打开了动态库libcudnn。so.7 2019-06-27 14：06：20.233363：W tensorflow / core / common_runtime / gpu / gpu_device.cc：1663]无法dlopen一些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]具有强度1边缘矩阵的设备互连StreamExecutor：2019-06-27 14:06 ：20.407318：我tensorflow / core / common_runtime / gpu / gpu_device.cc：1187] 0 2019-06-27 14：06：20.407351：我tensorflow / core / common_runtime / gpu / gpu_device.cc：1200] 0：N 2019- 06-27 14：06：20.441266：我tensorflow / stream_executor / cuda / cuda_gpu_executor.cc：1005]从SysFS读取成功的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 14：06：20.443613：我tensorflow / compiler / xla / service / service.cc：[168] XLA服务0x4ed6d40在平台CUDA上执行计算。设备：2019-06-27 14：06：20.443670：I tensorflow / compiler / xla / service / service.cc：175] StreamExecutor设备（0）：GeForce 920M，计算能力3.5 False

CUDA示例的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 MBytes（4242341888字节）（2）多处理器，（192）CUDA Cores / MP： 384个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L2缓存大小：
524288字节最大纹理尺寸大小（x，y，z）
1D =（65536），2D =（65536，65536），3D =（4096，4096，4096）最大分层1D纹理大小，（数量）层1D =（16384），2048层最大分层2D纹理大小，（数量）层2D =（16384，16384），2048层恒定内存总数：65536字节每个块的共享内存总数：49152字节每个块可用的寄存器总数：65536翘曲大小：
32每个多处理器的最大线程数：2048每个块的最大线程数：1024线程块的最大尺寸（x，y，z）：（1024，1024，64）网格尺寸的最大尺寸（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：是，具有1个复制引擎：内核运行时间限制：是
集成GPU共享主机内存：否支持主机页面锁定内存映射：是Surface的对齐要求：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：<默认（多个主机线程可以同时将:: cudaSetDevice（）与设备一起使用）>

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=通过

Answer 1

我的特别问题是TensorFlow 1.14.0正在寻找CUDA 10.0二进制文件，而我只安装了10.1。由于某些原因，无法在我的Ubuntu 19.04上安装CUDA 10.0，所以我安装了18.04，然后按照标准方法使TF与GPU配合使用（安装CUDA 10.0，安装CUDNN等），并且一切正常。

下表显示了TF版本与所需的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