Tensorflow-gpu в ноутбуке Jupyter не распознает графический процессор

Я установил cuda, cudann и tensorflow-gpu в среде jupyter, и после этого я пытаюсь проверить, есть ли у меня поддержка gpu в этой среде, но в list_local_devices он не показывает мне gpu. У меня в ноуте стоит geforce 1050 ti gpu.

import os

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "1,2"
from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())
import tensorflow as tf
tf.test.is_gpu_available()

Я получаю такой ответ: -

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 5705862024723076222
]
False
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
1 701
1

Ответы 1

возможно, лучше установить путь CUDA, например:

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

и добавьте его на свой локальный ~/.bashrc.

Также убедитесь, что CUDA установлен правильно, как описано здесь.

Команда

nvidia-smi 

должен вернуть что-то вроде:

Должны быть показаны аппаратное обеспечение графического процессора, версия CUDA и драйвер NVIDIA-SMI.

Надеюсь, это поможет!

Другие вопросы по теме