如何让tensorflow keras使用我的GPU？

Question

我正在尝试使用tensorflow中的keras来训练CNN网络进行一些图像分类。显然，在我的CPU上运行的训练速度非常慢，因此我需要使用我的GPU来进行训练。我在StackOverflow上发现了许多类似的问题，没有一个能帮助我让GPU工作，因此我单独问这个问题

我已经安装了NVIDIA GeForce GTX 1060 3GB和466.47 NVIDIA驱动程序。我已经安装了英伟达网站的CUDA工具包（安装确认NVCC - V命令输出我的版本11.3），并下载CUDNN库。在英伟达网站上声明，我解压缩了CUDNN文件并将文件复制到C:\程序文件\Nvidia GPU计算工具包\CUDA\VS1.1。最后，我检查了它是否在路径上（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp都在环境变量“PATH”中）

然后，我使用conda设置了一个环境，下载了一些我需要的软件包，如scikit learn，以及tensorflow gpu=2.3。将我的环境引导到Jupyter笔记本后，我运行以下代码检查它是否正在接收gpu：

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices())

得到这个：

2.3.0 [物理设备（名称='/物理设备：CPU:0'，设备类型='CPU'）]

在这个话题上，我已经尝试了我接触到的所有东西，但是没有成功。任何帮助都将不胜感激

Answer 1

首先，您必须安装所有CUDA要求。如果你有Ubuntu20.04，here是你安装需求的方式。现在正是安装tensorflow的时候。当您打算使用您的GPU时，您已经安装了tensorflow GPU库，而不仅仅是tensorflow

Answer 2

我猜您已经使用pip install tensorflow正确安装了TensorFlow。 TensorFlow目前支持采用CUDA体系结构3.5、5.0、6.0、7.0、7.5、8.0及以上版本的NVIDIA GPU卡。如果您有受支持的卡，但TensorFlow无法检测到您的GPU，则必须安装以下软件：

• NVIDIA GPU drivers-cuda11.0需要450.x或更高版本
• CUDA Toolkit-TensorFlow支持CUDA 11（TensorFlow>；=2.4.0）
• cuDNN SDK 8.0.4

您可以选择安装TensorRT 6.0，以提高某些模型上推理的延迟和吞吐量。 有关更多信息，请参阅TensorFlow文档：https://www.tensorflow.org/install/gpu