Tensorflow GPU使用情况

Question

因此，我正在尝试在Keras中训练我的第一个图像分类器，并且它正在以8000个图像的训练集进行抓取。 在训练期间，我的cpu / gpu的使用率约为40％/ 3％，我根本不相信tensorflow-gpu的安装正确，因为我没有得到我应该看到的“成功打开CUDA库”行导入时。

我的问题是：

1. 这种大小的东西通常需要多长时间才能训练到1080，并且

2. 鉴于我已经安装了以下内容，尝试设置tensorflow-gpu时会丢失什么？

   • 全新安装Windows 10
   • 最新的64位Anaconda
   • Visual Studio 2017 w /仅在安装时选中“使用C ++进行桌面开发”框
   • 具有最新补丁的Cuda Toolkit 9.0
   • cuDNN v7.0.5（2017年12月5日），适用于CUDA 9.0
   • 张量流-gpu 1.7
   • 环境变量的屏幕截图

Answer 1

检查您的tf是否使用GPU的一种方法（对我来说最好）是nvidia-smi ：在这里您可以看到我的任务的GPU内存使用情况（我有160万个观察值，包含13个变量，大约需要11 GB，您应该还要占用几MB或GB（不知道图片的外观）），因此，如果您在开始运行模型后系统不显示此信息，则肯定使用CPU（GPU几分钟到几小时，但CPU会花费数小时）。需要更长的时间）

注意：我的终端不会输出在IDE中存在的tensorflow输出内容（CUDA不会如在线所声称的那样显示在那里，那个cuda问题只是在不兼容时并且无法在tf中启动GPU） ：

这是正确安装cudnn后测试通过的信息：

PS：希望对您有所帮助。 昨天在ubuntu中尝试了Tensorflow 1.7版本，但未按预期运行（GPU无法正常工作，因此降级至1.6），因此建议您使用1.6：

您的设置与官方文档有些不同：

NVIDIA Cuda Toolkit文档

所以这是正确的路径：

确保设置以下值：

Variable Name: CUDA_PATH 
Variable Value: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0