如何配置tensorflow-gpu环境（1050Ti）

安装cuda，按照https://blog.csdn.net/wangbowj123/article/details/89381562

按照如图配置环境变量

 然后试运行

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
print(gpus)

两段代码，尝试执行检测到的话即可

假如遇到大段的

Could not load dynamic library 'cudart64_110.dll';
Could not load dynamic library 'cudart64_110.dll';

一般是TF版本与cuda版本适配不好，还需要重新按照

https://tensorflow.google.cn/install/source

页面下部的

来匹配TF版本与CUDA的版本 

安装过程中关闭安全卫士等，否则可能报毒然后误删文件导致import 的时候报错

尝试下载tensorflow-gpu==2.3.0，使用

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

找到旧版的TF-GPU尝试

但是此时可能还是找不到“dynamic library cudart64_101.dll”

然后我们将文件夹中对应10.2版本的末尾为102的文件复制一份，文件末尾改为101即可修正，而且利用GPU进行训练

配置好之后消除所有报错以后

# 检测GPU
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
print(gpus)

的输出为

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

开始训练前控制台会显示

StreamExecutor device (0): NVIDIA GeForce GTX 1050 Ti, Compute Capability 6.1

 训练的过程中GPU的利用率

配置成功后，可见训练时的GPU利用率显著上升

如果报错

Could not load dynamic library 'cupti64_101.dll'; dlerror: cupti64_101.dll not found

需要将

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

放入环境变量path中

指定GPU：

tf.device('/gpu:2')
#或者采用如下代码
gpus = tf.config.list_physical_devices("GPU")
print(gpus)
if gpus:
    gpu0 = gpus[0]  # 如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True)  # 设置GPU显存用量按需使用

    tf.config.set_visible_devices([gpu0], "GPU")