测试深度学习环境(GPU是否可调用)

本文主要介绍了如何测试深度学习环境中的GPU是否可调用,包括使用Tensorflow-GPU、PyTorch-GPU和PaddlePaddle-GPU进行测试,确保CUDA和cuDNN安装后能正常运行。
摘要由CSDN通过智能技术生成

安装好CUDA和cuDNN之后好不好用呢?当然要测试一下:

代码思想部分来源于几大开源模型源代码,还没有仔细写,以后有时间再补充完整吧

一、输出本机的配置

import platform
import sys
import os
import subprocess
import glob

IS_WINDOWS = sys.platform == 'win32'


def _find_cuda_home():
    cuda_home = os.environ.get('CUDA_HOME') or os.environ.get('CUDA_PATH')
    if cuda_home is None:
        try:
            which = 'where' if IS_WINDOWS else 'which'
            nvcc = subprocess.check_output([which, 'nvcc']).decode().rstrip('\r\n')
            cuda_home = os.path.dirname(os.path.dirname(nvcc))
        except Exception:
            # Guess #3
            if IS_WINDOWS:
                cuda_homes = glob.glob(
                    'C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v*.*')
                if len(cuda_homes) == 0:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值