win10安装tensorflow-gpu却用CPU运行的解决方法

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、出现问题？

安装好cuda和cudnn后（再默认路径下），安装Anaconda并创建好tensorflow-gpu的虚拟环境，激活环境后安装gpu版本，但是用pycharm在该虚拟环境中运行程序时却显示用CPU运行。试了很多方法，终于找到了问题。

二、可能的原因和解决方案

1.版本不一致

激活并进入该gpu虚拟环境，使用python运行以下代码

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

出现只有CPU环境说明没有GPU的驱动可用，于是检查下tensorflow的版本情况pip3 list：

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}]

pip3 list

如果tensorflow-gpu版本比tensorflow要小，则重装以下tensorflow-gpu版本就可以了

tensorflow          1.10.1
tensorflow-gpu      1.9.0

2.cuda和cudnn没有安装好

这是我自己出现的问题，现象是在检查gpu中出现有可用gpu设备，但是没有显示物理设备，下图红框中的东西没有出现

可能是自己的conda环境中没有安装好cuda和cudnn，重新安装

conda install cudatoolkit=10.1 cudnn=7.6.5

查看是否有装好

conda list

总结

完整版安装教程：https://blog.csdn.net/Xyoutz_/article/details/113792017

训练时可能出现：tensorflow 训练时出现failed to allocate 18.41M (19300352 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
表示显存满了，nvidia-smi查看占用显存的程序，在下方显示占用现存的程序，sudo kill -9 PID(占用程序的ID)即可。