tensorflowmacosgpu的简单介绍

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

tensorflow使用GPU版本,显卡没反应,我CUDA是11.0,安装的tensorflow-gp...

1、你可以右键桌面空白，弹出菜单进入nvidia控制台。将这个软件设置为用独显使用。再有就是电源设置高性能，插上适配器。

2、直接安装没有GPU，只能用CPU。要用GPU一般要在装tensorlow的时候至少装两个东西，一个是显卡驱动一个是CUDA。

3、tensorflow-gpu是tensorflow的gpu版本，但是它必须通过 cuda 和 cudnn 来调用电脑的 gpu。

4、最主要的可能是GPU的利用率不足。例如我的机器跑fashion mnist，GPU利用率只有3%左右，GPU比CPU慢一倍。

相关问答

Q1: tensorflow安装cpu还是gpu

1、安装GPU版本的tensorflow就可以了pip install --upgrade 还需要安装GPU加速包，下载 CUDA 和 cuDNN 的安装包了，注意版本号分别是 CUDA 0 和 cuDNN 1。

2、直接安装没有GPU，只能用CPU。要用GPU一般要在装tensorlow的时候至少装两个东西，一个是显卡驱动一个是CUDA。

3、一般来说默认安装的tensorflow就是cpu版本，想要卸载gpu版本的tensorflow也比较简单，直接在安装tenosrflow-gpu的Python控制台输入pip uninstall tensorflow-gpu就可以了，安装cpu版本则直接使用pip install tensorflow就能安装成功了。

4、查看本机GPU是否支持安装tensorflow-gpu。安装gpu版本的tensorflow需要安装cuda和cudnn。所以需要检查cuda是否支持本机gpu，需要计算能力大于1。根据英伟达官方提供的数据，GF920M计算能力5，刚好满足要求，可以安装gpu版本。

5、如果有gpu或者cpu，同时安装的tensorflow支持gpu，tensorflow会优先自动选用gpu。也可以人为指定。

6、：TensorFlow可以支持CPU+GPU一起进行深度学习处理。2：实际运行的效果得看你的处理器及计算卡的性能（计算能力）怎么样了。

Q2: 为什么tensorflow训练用GPU比CPU更慢了

（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。

因此如果某个程序在GPU上的运行速度不如CPU上快，只是应用或程序本身就决定了。GPU的优势如下：（1）计算密集型的程序。所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。

如果GPU的利用率很高，而CPU的利用率相对较低，那么可能存在以下几种可能的原因：GPU任务需要更多的计算资源：GPU（图形处理器）是专门设计用于处理图形和计算密集型任务的硬件。CPU（中央处理器）则负责处理通用计算任务。

原因大致为：数据传输会有很大的开销，而GPU处理数据传输要比CPU慢，而GPU的专长矩阵计算在小规模神经网络中无法明显体现出来。

Q3: 训练TensorFlow模型的时候,GPU使用率总是出现突然的降低,波动很大,我...

我在用pytorch训练时也出现这样的问题，可能是模型相对较小，数据从CPU传递到GPU需要一定的时间。

最主要的可能是GPU的利用率不足。例如我的机器跑fashion mnist，GPU利用率只有3%左右，GPU比CPU慢一倍。

你可以右键桌面空白，弹出菜单进入nvidia控制台。将这个软件设置为用独显使用。再有就是电源设置高性能，插上适配器。