tensorflow(gpu调用以及警告忽略)

#忽略警告

import tensorflow as tf
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"    #只显示error信息
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)'


import warnings
warnings.filterwarnings("ignore")

#调用GPU

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0, 1"  

config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))

with tf.Session(config=config) as sess:
    # 初始化参数
    saver = tf.train.Saver(max_to_keep=10000)
    config.gpu_options.per_process_gpu_memory_fraction = 0.9
    sess.run(tf.global_variables_initializer())
    sess.run(tf.local_variables_initializer())
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!很抱歉听说你在Linux系统上安装TensorFlow GPU时遇到了问题。我可以帮你解决这个问题。首先,请确保你已经按照正确的步骤安装了TensorFlow GPU,并且你的显卡支持CUDA加速。 以下是一些可能导致TensorFlow GPU无法调用的常见问题和解决方法: 1. CUDA和cuDNN版本不匹配:TensorFlow GPU需要与CUDA和cuDNN的版本相匹配。请确保你安装的TensorFlow GPU版本与你的CUDA和cuDNN版本兼容。你可以在TensorFlow官方网站上查找兼容性矩阵以获得更多信息。 2. 环境变量配置错误:在安装CUDA时,你需要将相关路径添加到系统的环境变量中。请检查你的环境变量配置是否正确,尤其是CUDA和cuDNN的路径是否正确设置。 3. 显卡驱动问题:请确保你的显卡驱动已正确安装,并且与安装的CUDA版本兼容。可以尝试更新显卡驱动或者降低CUDA版本以解决兼容性问题。 4. TensorFlow版本问题:有时候,特定版本的TensorFlow与特定版本的CUDA和cuDNN不兼容。尝试安装不同版本的TensorFlow是否能够解决问题。 5. 其他依赖项问题:TensorFlow GPU可能依赖于其他一些库或软件包。请确保你已经正确安装并配置了这些依赖项。 如果你在尝试上述解决方法后仍然无法调用TensorFlow GPU,请提供更多详细信息,例如你的操作系统版本、CUDA和cuDNN版本、显卡型号等,以便我能够更具体地帮助你解决问题。
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