基于Tensorflow使用CPU而不用GPU问题的解决
之前的文章讲过用Tensorflow的object detection api训练MobileNetV2-SSDLite,然后发现训练的时候没有利用到GPU,反而CPU占用率贼高(可能会有Could not dlopen library 'libcudart.so.10.0'之类的警告)。经调查应该是Tensorflow的GPU版本跟服务器所用的cuda及cudnn版本不匹配引起的。知道问题所在之后就好办了。
检查cuda和cudnn版本
首先查看cuda版本:
cat /usr/local/cuda/version.txt
以及cudnn版本:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
重新安装对应版本Tensorflow
根据前面查看得到的cuda和cudnn版本,到Tensorflow官网查看对应的Tensorflow-GPU版本,然后用conda install tensorflow-gpu=[version]重新安装(把[version]换成对应的版本比如1.12)就OK了。
以上这篇基于Tensorflow使用CPU而不用GPU问题的解决就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python socket网络编程TCP/IP服务器与客户端通信
这篇文章主要介绍了Python socket网络编程TCP/IP服务器与客户端通信的相关资料,这里对Scoket 进行详解并创建TCP服务器及TCP 客户端实例代码,需要的朋友可以参考下2017-01-01python线程池 ThreadPoolExecutor 的用法示例
这篇文章主要介绍了python线程池 ThreadPoolExecutor 的用法示例,帮助大家更好得理解和使用python线程池,感兴趣的朋友可以了解下2020-10-10
最新评论