[英]why Tensorflow-gpu is still using cpu
我在后端使用带有tensorflow-gpu的Keras,我没有安装tensorflow(CPU - 版本),所有输出显示GPU选择但是tf正在使用CPU和系统内存
当我运行我的代码时,输出是: output_code
我甚至运行了device_lib.list_local_device(),输出是: list_local_devices_output
运行代码后,我尝试了nvidia-smi来查看gpu的用法,输出是: nvidia-smi输出
Tensorflow-gpu = "1.12.0"
CUDA toolkit = "9.0"
cuDNN = "7.4.1.5"
环境变量包含:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp;
C:\WINDOWS\system32;
C:\WINDOWS;
C:\WINDOWS\System32\Wbem;
C:\WINDOWS\System32\WindowsPowerShell\v1.0\;
C:\WINDOWS\System32\OpenSSH\;
C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common;
D:\Anaconda3;D:\Anaconda3\Library\mingw-w64\bin
D:\Anaconda3\Library\usr\bin;
D:\Anaconda3\Library\bin;
D:\Anaconda3\Scripts;D:\ffmpeg\bin\;
但是当我在任务管理器中检查内存使用情况时,输出仍然是
CPU利用率51%,RAM利用率86%GPU利用率1%,GPU-RAM利用率0% Task_manager_Output所以,我认为它仍然使用CPU而不是GPU。
系统配置:
Windows-10 64 bit; IDE: Liclipse; Python: 3.6.5
它正在使用GPU,正如您在日志中看到的那样。 问题是,在GPU上无法完成很多事情,只要数据很小且复杂性很低,最终你的GPU使用率就会降低。
这是一些更详细的解释。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.