Ubuntu上TensorFlow的cpu与gpu版本共存问题

1.默认选择

一直比较疑惑，当Ubuntu上TensorFlow的cpu与gpu版本共存时，他会自动选择哪个呢？

测试当前使用cpu还是gpu方法,下面两种方法都可以

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

 

import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

print(sess.run(c))

按照网友的说法，一般会自动选择gpu版本，因为gpu版本里实际上包含了gpu，当然也可以通过CUDA_VISIBLE_DEVICES的设置来进行指定。

假定这里gpu总共有八块，通过nvidia-smi查看发现5,6,7是空闲的（从0开始编号）

则运行命令修改为：CUDA_VISIBLE_DEVICES=5,6,7 python train.py

还有一种情况会自动选择cpu， 那就是当tf-gpu版本低于cpu版本时，这时可以采取gpu版本升级。

2.版本不对应

第二次安装的是cuda9.1的版本

直接pip3 install tf-gpu会下载最新的1.14.0，运行发现是CPU在工作，中间过程显示原因是GPU有些库打不开

具体的库是这些：

打开cuda 9.1

要求的是10.0，所以对不上，要将tf-gpu降级,用uninstall把tf-gpu 1.14.0的去掉

tf-cpu是1.12.0版本，import tf报错 libcublas.9.0 not found，于是uninstall tf-cpu 1.12.0(必须sudo),全部降为以下版本

还是不行，后来网上又说，是因为tf官方版本没有支持cuda9.1的，只支持9.0

mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow，包含支持CUDA9.1的tensorflow，在GitHub下载wheel文件

在whl所在路径下使用pip3 install xxx.whl

再尝试直接用pip install

3.cuda崩溃

我通过上面方法来测试，发现一直选择的是cpu，明明之前都使用gpu的呀，于是我去查原因。

首先检查cuda，发现以前通过测试的，现在又fail了

没出现之前的成功结果，而是报下面的错误

在论坛上搜原因，大家都提示用nvidia-smi命令进行检测，我也遇到了版本不匹配的问题

原因：应该是驱动版本的原因

于是我又去查解决办法

方案一：reboot（对我没用）

方案二：关掉驱动自动更新（没用）

方案三：reload kernel mod（没用）

方案四：安装高版本驱动（第一句不能正常执行）

#用su切换到root

add-apt-repository ppa:graphics-drivers/ppa
apt-get update
apt-get install nvidia-410

 

报错

 

方案5：重装cuda，这次选择安装驱动（自己突发奇想）

./deviceQuery测试通过，nvidia-smi也能正常显示

再export一下环境变量，再测试一下，发现就是GPU在工作了

终于成功了！