【配置】tensorflow.config.list_physical_devices(“GPU“) []是空

最新推荐文章于 2023-04-17 20:13:10 发布
最新推荐文章于 2023-04-17 20:13:10 发布
阅读量6.3k 收藏 2
点赞数 2
分类专栏： 环境配置 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43877335/article/details/125925520
版权
该博客主要讨论了在配置CUDA 11.2、cuDNN 8.1.0、TensorFlow 2.7.0和PyTorch 1.7.1时遇到的问题。对于TensorFlow，当`tensorflow.config.list_physical_devices(GPU)`返回空值，解决方案是将cuDNN的库和头文件复制到CUDA安装目录下。对于PyTorch，由于CUDA版本与PyTorch不匹配，导致`torch.cuda.is_available()`返回False，建议通过conda安装与CUDA 11.0兼容的PyTorch版本。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

配置:cuda11.2，cuDNN8.1.0，tensorflow2.7.0，pytorch1.7.1

  • 问题：tensorflow.config.list_physical_devices("GPU") []是空

        解决：将cuDNN的lib64和include下的文件都copy到cuda相应的位置下

                cp cuda/lib64/* /usr/local/cuda-11.2/lib64/

                cp cuda/include/* /usr/local/cuda-11.2/include/

  • 问题：torch.cuda.is_availble() False

        解决：cuda11.2没有对应的pytorch，pytorch和cudatoolkit版本不对应，可以使用以下的命令

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch -c conda-forge

解决Tensorflow找不到GPU的问题
Agonie22的博客
02-21 667
也就是说我现在安装的tensflow2.17.0是不支持GPU的。
TensorFlow2.4.1无法查询检索GPU设备device,返回可用GPU设备列表为空[]
DanielZzzsj的博客
03-15 3979
这里写自定义目录标题新安装的TensorFlow2.4.1从Anaconda prompt进入解决办法 新安装的TensorFlow2.4.1 环境配置CUDA11.1及对应的cudnn版本 安装TensorFlow2.4.1后 import tensorflow as tf tf.config.experimental.list_physical_devices(device_type='GPU') ##返回为[]，无可用gpu设备 从Anaconda prompt进入 python ##这一步要先输入
已解决Use tf.config.list_physical_devices(‘GPU’)~ instead.
努力让自己发光，对的人才能迎着光而来
04-10 1万+
已解决WARNING:tensorflow:From 1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version. Instructions for updating: Use tf.config.list_physical_devices(‘GPU’)~ instead. 2023-03-31 16:58:07.97
ubuntu 安装TensorFlow tf.config.list_physical_devices(‘GPU‘)检测为[]
weixin_42670810的博客
06-26 4384
如果你更新了驱动，又下载了正确的cuda与cudnn版本,还是出现这个问题， 那么可能是环境变量的问题。因为~/.bashrc是每个账户独立的。你在root权限下修改的bashrc其实没有影响你当前账户下的bashrc。 所以你需要在你当前执行TensorFlow的账号下编辑bashrc,或者在/etc/profile里添加环境变量。 例如： export PATH=/usr/local/cuda-11.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/l
tensorflow gpu利用率为0_TensorFlow 2.0 常用模块7：tf.config
weixin_39617113的博客
11-30 438
文 /李锡涵，Google Developers Expert本文节选自《简单粗暴 TensorFlow 2.0》在上一篇文章中，我们介绍了tf.TensorArray的建立方式。本来接下来将介绍 TensorFlow 中的常用模块 tf.config，如何合理分配显卡资源，设置显存使用策略。指定当前程序使用的 GPU很多时候的场景是：实验室 / 公司研究组里有许多学生 / 研究...
WIN10 环境下 Tensorflow 检测不到GPU （GTX1050笔记本版可以安装CUDA）
核聚变Q的博客
08-13 8948
#原因 ##的 ###情况
如何处理List of devices attached为空的问题
热门推荐
LeeCoding的博客
06-28 1万+
昨天重新安装了系统，重启AndroidStudio居然无法识别设备，解决思路： ①修改用户目录（C:\Users\Lee\.android）下的adb_usb.ini文件（没有就填加），在文件中填加设备号。（通过设备管理器，找到手机，右键属性查看硬件ID可以获得，格式为0x----，-为数字） ②如果①没有办法，可能问题是电脑根本没有识别设备，驱动不对，下载豌豆荚智能安装驱动，OK！    
tensorflow-gpu2.x无法检测到GPU设备
qq_43203949的博客
09-12 1万+
tensorflow-gpu2.x无法检测到GPU设备 1.检查 在解决问题前检查一下tensorflow是否只能检查到CPU，而无法检查到GPU，而非无法调用GPU。 import tensorflow as tf print(tf.test.is_gpu_available()) gpus = tf.config.experimental.list_physical_devices(device_type='GPU') cpus = tf.config.experimental.list_physica
tensorflow2.0 Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED
qq_37573241的博客
10-28 869
tensorflow2.0 Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED physical_devices = tf.config.experimental.list_physical_devices('GPU') assert len(physical_devices) > 0, "Not enough GPU hardw...
TensorFlow GPU不可用，WSL2安装
qq_40016005的博客
04-17 4477
这个帖子写给23年刚买电脑、系统是win11，tensorflow版本是2.10以上的兄弟们。不符合的可以去看其他答案了。这是以我三天来的安装经历来写的，希望能给后来的兄弟们减少时间的浪费。win11，安装的tensorflow的版本都是2.12的，但是从2.10开始tensorflow就不支持gpu了，这点在英文版的安装页面里有而中文版是没有这个提示的，估计也是很多人试了很多遍，检查了很多次环境变量都解决不了为什么就是不能调用gpu的原因。
tensorflow-gpu
09-25
tensorflow-gpu 在Windows 10上使用TensorFlow（GPU）训练多个对象的对象检测分类器
输入以下代码 from tensorflow.config.experimental import list_physical_devices， set_memory_growth physical_devices = list_physical_devices（“GPU”） set_memory_growth（physical_devices[0]， 真） 但是计算机提示IndexError: list index out of range，该怎么解决
07-15
你可以使用 `tensorflow.config.list_physical_devices('GPU')` 函数来检查系统中是否存在可用的 GPU 设备。 3. 如果你的计算机上有 GPU 设备，但是在 TensorFlow 中无法找到，请确保你已正确安装并配置了 NVIDIA ...
输入以下代码from tensorflow.config.experimental import list_physical_devices, set_memory_growth physical_devices = list_physical_devices('GPU') set_memory_growth(physical_devices[0], True)
07-20
它首先导入了 `list_physical_devices` 和 `set_memory_growth` 函数，然后使用 `list_physical_devices` 函数获取所有可用的物理 GPU 设备。接下来，它使用 `set_memory_growth` 函数将第一个物理 GPU 设备的内存...
WARNING:tensorflow:From <string>:1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version. Instructions for updating: Use `tf.config.list_physical_devices('GPU')` instead. False
最新发布
03-17
同时，可以建议他们使用`tf.test.is_gpu_available`的替代方法，比如直接检查列表是否为空，或者使用`tf.config.experimental.list_physical_devices`，不过后者可能已经被整合到`tf.config.list_physical_devices`...
physical_devices = tf.config.list_physical_devices('GPU') tf.config.experimental.set_memory_growth(physical_devices[0], True)
05-23
首先，`tf.config.list_physical_devices('GPU')` 返回所有可用的 GPU 设备列表。然后，`tf.config.experimental.set_memory_growth(physical_devices[0], True)` 将第一个 GPU 设备的内存增长选项设置为 True，即...
tensorflow识别不了gpu rtx3080解决方式
weixin_42626375的博客
07-11 5834
tensorflow识别不了gpu rtx3080解决方式
【深度学习 走进tensorflow2.0】Num GPUs Available: 0问题解决
赖德发的博客
11-22 9527
检测是否开启GPU import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) 运行结果： Num GPUs Available: 0 现状：之前安装好了tensorflow_gpu ，也安装了tensorflow ，显卡驱动，cuda,cudnn 等之类的所有具备条件。 其实不需要tensorflow ，这是CPU版本安装的，不知道什么
安装tensorflow-gpu中遇到的部分问题
shei2741的博客
10-30 213
安装tensorflow-gpu中遇到的部分问题 本人将对自己遇到的问题进行总结 首先说一下个人配置，我用的是笔记本，cpu是i5-10300H，gpu是rtx2060。 我开始安装的tensorflow版本以及配套软件，cuda11.0.2，cudnn8.0.5，tensorflow-gpu2.4.0，python3.8.12。 安装完之后在pycharm中运行程序 我的测试代码是 import tensorflow as tf print(tf.version) print(1, tf.config.l
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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