测试深度学习环境(GPU是否可调用)

最新推荐文章于 2024-07-28 03:56:32 发布

yiteeee

最新推荐文章于 2024-07-28 03:56:32 发布

阅读量2.8k

点赞数

分类专栏：编程基础知识文章标签：深度学习 cuda

本文链接：https://blog.csdn.net/qq_326324545/article/details/110563522

版权

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: