我可以让 tensorflow-gpu 与 NVIDIA GeForce MX130 一起工作吗？答案

【问题标题】：Can I get tensorflow-gpu to work with NVIDIA GeForce MX130?我可以让 tensorflow-gpu 与 NVIDIA GeForce MX130 一起工作吗？
【发布时间】：2020-06-19 21:02:03
【问题描述】：

我知道这在任何意义上都不是机器学习的推荐设置，但我想使用我所拥有的。

不是专家，有人告诉我 tf-gpu 应该适用于 cuda 支持的任何设备。

当我跑步时：

from numba import cuda
cuda.detect()

我明白了：

Found 1 CUDA devices
id 0        b'GeForce MX130'                              [SUPPORTED]
                      compute capability: 5.0
                           pci device id: 0
                              pci bus id: 1
Summary:
    1/1 devices are supported

我可以让 GPU 处理一些基本的“矢量化”任务。

另外，正在运行：

import tensorflow as tf
tf.test.is_built_with_cuda()

将返回 True

但是，正在运行

tf.config.experimental.list_physical_devices('gpu')

将返回一个空列表。

跑步：

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

将返回：

Num GPUs Available:  0

跑步：

strategy = tf.distribute.MirroredStrategy()
print("Number of devices: {}".format(strategy.num_replicas_in_sync))

将返回：

WARNING:tensorflow:There are non-GPU devices in `tf.distribute.Strategy`, not using nccl allreduce.
INFO:tensorflow:Using MirroredStrategy with devices ('/job:localhost/replica:0/task:0/device:CPU:0',)
Number of devices: 1

我已经用非 GPU 版本的 tensorflow 训练了一些基本模型，但我不知道如何处理 tf-gpu。根据任务管理器的说法，我能够用 CuDNNLSTM 层拟合模型，但脚本没有使用 GPU。

我将不胜感激任何关于如何让它使用我的“gpu”的建议或确认它是不可能的。谢谢！

已编辑：

我卸载了 keras 和两个 tensorflow 版本，只安装了 tensorflow-gpu。没有任何改变。

【问题讨论】：

你能在 Tensorflow 上使用 NVIDIA GeForce MX130 吗？我有相同的运行 Windows 10。

标签： python tensorflow jupyter-notebook gpu

【解决方案1】：

很遗憾没有。

尽管官方规格表明“是”，但 CUDA GPU 列表并未将 MX130 列为其列表的一部分。

（我也在笔记本上运行 MX130）

参考：

官方规格：https://www.nvidia.com/en-us/geforce/gaming-laptops/mx130/specifications/
启用 CUDA 的 GPU 列表：https://developer.nvidia.com/cuda-gpus

【讨论】：

我将此标记为正确答案，因为我尝试了其他人建议的解决方案，但都没有奏效。
答案不正确。如果您使用的是 Windows，请查看您的环境路径变量。在我的系统中，它指向... C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin; C:\Program Files\NVIDIA GPU 计算工具包\CUDA\v11.2\libnvvp; C:\Apps\CUDNN8.1\bin;

【解决方案2】：

绝对是的！

我假设计算能力：5.0就足够了。

我在 Python 3.7 中使用 conda（处理 cuda、版本兼容性等）安装的 tensorflow-gpu 测试了我的 Geforce MX130

conda install tensorflow-gpu

就是这样！无需采取更多行动。安装了以下版本：

tensorflow-gpu: 2.1.0
cudatoolkit: 10.1.243
cudnn: 7.6.5

...它成功了！

【讨论】：

【解决方案3】：

同时安装 Cuda 和 CuDNN。为他们设置路径。要检查 TensorFlow 是否使用 GPU，请使用以下命令：

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

它应该在其输出中显示您的 GPU 名称。

【讨论】：

感谢您的回答，此功能不适用于我的 tf (2.2.0) 版本

【解决方案4】：

是的，你可以...tensorflow-gpu 2.5.0 + CUDA 11.2 + CUDNN 8.1

如果您使用的是 Windows，请查看您的环境路径变量。在我的系统中，它指向...

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin;

C:\Program Files\NVIDIA GPU 计算工具包\CUDA\v11.2\libnvvp;

C:\Apps\CUDNN8.1\bin;

【讨论】：