我正在使用一个集群来训练Jupyter Notebook中的机器学习模型（TensorFlow）。在我开始使用之前，集群已经安装了JupyterHub（Python 3.7.5）、CUDA和cuDNN。该集群运行在Ubuntu 18.04和GCC版本8.4.0上。当我执行nvidia-smi命令时，我得到以下输出：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.32.03 Driver Version: 460.32.03 CUDA Version: 11.2 |
|-------------------------------+----------------------+----------------------+
(...)
|===============================+======================+======================|
| 0 Quadro P4000 On | 00000000:00:05.0 Off | N/A |
(...)我不是系统管理员，所以我使用pip安装了TensorFlow-GPU。然而，当我训练模型时，Jupyter Notebook和TensorFlow没有检测到任何GPU，如下所示：
代码：
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))输出：
2.8.3
[]我希望你能帮助我。
以下是我已经采取的步骤：
- 重新安装了tensorflow包;
- 安装了不同版本的Tensorflow;
2条答案
按热度按时间daolsyd01#
谢谢你的回答。我按照下面的步骤解决了这个问题。
1.我使用
ls /usr/local命令检查系统上已安装的CUDA Toolkit版本。1.我对
.bashrc中的PATH文件做了如下修改：1.我运行了source
.bashrc来应用这些更改。1.现在，
nvcc -V命令正在工作，并显示TensorFlow的正确版本：pip uninstall tensorflow-gpu和pip uninstall tensorflow-estimatorpip install tensorflow-gpu==2.3.0（根据此链接与CUDA 10.1兼容）现在，当我运行下面的代码：
输出为：
谢谢你！
x9ybnkn62#
TensorFlow文档列出了以下规范：
| 版本|Python版本|编译器|构建工具|CuDNN| CUDA|
| - -----|- -----|- -----|- -----|- -----|- -----|
| tensorflow-2.9.0| 3.7-3.10 |GCC 9.3.1| Bazel 5.0.0| 8.1|十一点二|
| tensorflow-2.8.0| 3.7-3.10 |GCC 7.3.1| Bazel 4.2.1| 8.1|十一点二|
使用TensorFlow 2.8.0版本; GCC 7.3.1已列出。这可能是TensorFlow无法检测GPU的原因。我有一个类似的问题，我使用了一个略有不同的版本比一个指定和我的GPU也没有显示。