主要內容：

• 使用tensorflow查詢機器上是否存在可用的gpu設備
• 使用tensorflow獲取可用的gpu設備編號
• tensorflow對GPU設備的編碼

使用tensorflow查詢機器上是否存在可用的gpu設備

def is_gpu_available(cuda_only=True):"""code from https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/platform/test.pyReturns whether TensorFlow can access a GPU.Args:cuda_only: limit the search to CUDA gpus.Returns:True iff a gpu device of the requested kind is available."""from tensorflow.python.client import device_lib as _device_libif cuda_only:return any((x.device_type == 'GPU')for x in _device_lib.list_local_devices())else:return any((x.device_type == 'GPU' or x.device_type == 'SYCL')for x in _device_lib.list_local_devices())

?

使用tensorflow獲取可用的gpu設備編號

def get_available_gpus():"""code from http://stackoverflow.com/questions/38559755/how-to-get-current-available-gpus-in-tensorflow"""from tensorflow.python.client import device_lib as _device_liblocal_device_protos = _device_lib.list_local_devices()return [x.name for x in local_device_protos if x.device_type == 'GPU']

?

完整代碼見 tf.py, 測試代碼見test_util_tf.py.

tensorflow對GPU設備的編碼

執行：

CUDA_VISIBLE_DEVICES=1,2 python test_util_tf.py

?

輸出為：

/gpu:0 /gpu:1

?

可以看出， 無論CUDA可見的設備是哪幾個， tensorflow都會對它們從0開始重新編碼。

?

Tensorflow 使用時cpu編譯不支持警告

?原因是下載TensorFlow的版本不支持cpu的AVX2編譯。

可能是因為安裝時使用的pip install tensorflow ，這樣默認會下載X86_64的SIMD版本。

有兩種解決辦法：

1.忽略這個警告，不看它！

import os os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 這是默認的顯示等級，顯示所有信息 os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只顯示 warning 和 Error os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只顯示 Error

2.徹底解決，換成支持cpu用AVX2編譯的TensorFlow版本。

首先，卸載原來版本的TensorFlow

pip uninstall tensorflow

完成后可以用

pip list

查看一下所有庫，檢查是否成功卸載。

然后去github下載正確的tf版本，Windows點這里這里下載。其他操作系統可以點這里這里找到對應的版本。博主用的win10，python3.6，所以選擇如下圖：

對應的path在上邊的找到對應的.whl下載即可。

然后安裝：

pip install tensorflow-1.6.0-cp36-cp36m-win_amd64.whl

成功安裝后，再次運行TensorFlow就不會報錯啦~
?

總結

以上是生活随笔為你收集整理的使用tensorflow查询机器上是否存在可用的gpu设备的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。