對于GPU機器無法使用GPU，可能有以下原因：

1、沒有相應的cuda環境，即cuda和cudnn

2、有安裝cuda但是沒有添加到系統環境變量，添加環境變量即可，例如linux下以cuda10.1為例

export PATH=$PATH:/usr/local/cuda-10.1/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-10.1/lib64

3、沒有安裝GPU版本的框架，例如tensorflow-gpu

例如使用pip install tensorflow=2.0之后安裝可能只是CPU版本的tensorflow，執行查看是否能調用gpu

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

執行后，結果返回結果是false。此時執行

pip install tensorflow-gpu=2.0

可以發現版本升級為gpu的：

The following packages will be DOWNGRADED:_tflow_select 2.3.0-mkl --> 2.1.0-gputensorflow 2.0.0-mkl_py36hef7ec59_0 --> 2.0.0-gpu_py36h6b29c10_0tensorflow-base 2.0.0-mkl_py36h9204916_0 --> 2.0.0-gpu_py36h0ec5d1f_0

?

總結

以上是生活随笔為你收集整理的GPU机器无法使用GPU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。