1.利用prompt:conda list
检查是否存在CPU版本且版本高于GPU情况。
2.代码中是否含有抑制GPU片段
3.显卡是否为NVIDIA
4.NVIDIA全局设置中是否调制成高性能模式
5.依赖库中是否存在cuda、cudnn
6.系统环境变量是否调试
7.Python版本号是否合适,请注意符合匹配。
//选择更多其他符合要求的版本,只需选择mark for specific version installation
即可。
8.添加Tensorflow-GPU、Cuda、Cudnn到PyCharm interpreter
中。
关于常用prompt命令如下:
一、包管理
查看已安装的包:
conda list
查看指定环境下的包:
conda list -n xxx
查找包:
conda search xxx
更新包:
conda update xxx
安装包:
conda install xxx
pip install xxx
指定的安装环境:
conda install -n env_name xxx
安装anaconda发行版中所有的包:
conda install anaconda
卸载包:
conda remove xxx
二、管理conda
检查conda版本:
conda --version
升级当前版本的conda:
conda update conda
关于国外另一种说法,本人也做了整理,具体内容如下:
(1)这个TensorFlow二进制文件使用Intel® mkl - dnn进行了优化,以便在性能关键操作中使用以下CPU指令:AVX.> AVX2 要在非mkl - dnn操作中启用它们,请使用适当的编译器标志重新构建TensorFlow
(2)tensorflow不是已源码安装的,因此会提示少SSE4.1 SSE4.2 AVX AVX2 FMA等指令,可以添加以下代码忽视:
import os os.environ[“TF_CPP_MIN_LOG_LEVEL”]=“3” 或者用源码重新安装tensorflow
(3)引发以上警告是因为TensorFlow库最初是在不同体系结构的计算机上编译的,并且没有针对您的特定体系结构进行优化。这意味着它将继续运行,但您无法从库中获得最大性能。在
为了在您的机器上获得最大的性能,您需要在您的机器上构建TensorFlow。在 请参阅official documentation以了解从源代码构建的步骤。在
公文:https://www.tensorflow.org/install/source