检测tensorflow是否使用gpu进行计算

输入如下命令： python import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 若包含CPU信息，则使用了CPU。 若包含GPU信息，则使用了GPU。 ...

查看运行tensorflow程序是否使用的GPU 查看是否用GPU跑的TensorFlow程序 第一种方法，直接输出日志法（推荐） import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 打印出这个就代表使用了cpu： 第二种方法，跑计算量打的程序，然后用nvidia-smi查看GPU的使用情况 ...

2. tensorflow验证失败可能会提示缺少一些dll文件，根据提示下载缺少的文件到指定位置即可。1. pytorch或者tensorflow版本与cuda版本不一致。解决方案：查看自己的cuda版本，搜索一下适配的版本进行安装。二、验证tensorflow GPU版本。一、验证pytorch GPU版本。

在安装好tensorflow及其相关部件后，我们可以通过以下方法去检测Tensorflow是否成功调用了GPU。

在程序中加入以下语句：sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))Device mapping:/job:localhost/replica:0/task:0/device:XLA_CPU:0 -> device: XLA_CPU device/job:local...

查看是否有GPU import tensorflow as tf gpu_device_name = tf.test.gpu_device_name() print(gpu_device_name) 输出 /device:GPU:0 GPU是否可用 # 返回True或者False tf.test.is_gpu_available() from tenso...

正常来说这段demo用gpu的话十几秒就能训练好，证明是可以使用gpu进行推理和反传的。

Tensorflow运行GPU程序与Pytorch实现手写数字识别

验证TensorFlow是否能调用到GPU的代码。

测试tensorflow-gpu是否可用

tensorflow查看GPU是否可用，在一次的项目中，由于项目tensorflow版本为1.14.0，所以按照官网的要求就务必安装CUDA 10 ，CUDNN 7.4，但是CUDNN 7.4就没办法安装到虚拟环境里面，所以本人安装了CUDNN为7.6.0的版本。然后测试发现也是可以的，故我个人认为，安装好CUDA之后，安装CUDNN只需要通过`conda search cudnn --info`找到CUDA支持的CUDNN就可以了。

tensorflow-gpu版安装，只需在anaconda虚拟环境中安装。

Tensorflow安装保姆级教程，亲测有效。

安装 tensorflow gpu conda

第36步 深度学习图像识别：TensorFlow-gpu环境配置

conda install tensorflow-gpu 和 pip install tensorflow-gpu 安装的内容是不同的。先安装 cudnn 和 cudatoolkit 包，再安装 tensorflow 包。1.15以上的新版本的tensorflow，安装不再区分gpu还是cpu。如：目前 pip 版本为 2.8，conda 的版本为 2.6。缺点是版本相对 pip 稍低。

【代码】安装TensorFlow后验证GPU可用。