tensorflow禁用GPU

阿新 • • 發佈：2018-11-10

如果安裝了tensorflow-gpu版，但是在測試時只想用cpu版本，可以作如下修改：

import os
os.environ["CUDA_VISIBLE_DEVICES"]="-1"    
import tensorflow as tf

參考連結：https://stackoverflow.com/questions/44552585/prevent-tensorflow-from-accessing-the-gpu

如果安裝了tensorflow-gpu版，但是在測試時只想用cpu版本，可以作如下修改： import os os.environ["CUDA_VISIBLE_DEVICES"]="-1" import tensorflow as tf 參考連結：https://stackove

pre 源碼編譯安裝 gpu版本深度學習 ora 報錯新版 size googl 一、安裝cuda 具體安裝過程見我的另一篇博客，ubuntu16.04下安裝配置深度學習環境二、安裝tensorflow 1.具體安裝過程官網其實寫的比較詳細，總結一下的話可以分為兩種：

common binary mage cut 技術 sla pos class cif 一晚上什麽事都沒做，就一直在查找tensorflow1.4缺少cudnn64_6的錯誤。最後發現自己一直用的是cudnn64_7，即使改成cudnn64_6仍不可行。主要受實驗室大佬安裝

src round 兩種 inf 下載安裝機器區別 tail anaconda 　　tensorflow由於谷歌的原因，不同的版本有時候改動比較大，所以決定好自己想使用的版本後就不要輕易更改，免得後續移植程序的時候出現很多錯誤。　　本文以及後續文章關於tensorfl

它的處理過程推薦過程來源 sources ebo 官網 constant Win10 TensorFlow（gpu）安裝詳解寫在前面：TensorFlow是谷歌基於DistBelief進行研發的第二代人工智能學習系統，其命名來源於本身的運行原理。Tensor（張量

第一步：安裝cuda8.0（TensorFlow不支援cuda9.0版本，安裝後會報錯）如果出現這種情況，可以從官方下載最新的顯示卡驅動，驅動安裝後可以在C:\NVIDIA\DisplayDriver\385.41\Win10_64\International 找到ListD

剛入坑深度學習領域，於是嘗試在windows10下安裝tensorflow的gpu版本，剛開始看了網上的部落格的安裝方法在細節上差異較大，不知道選擇哪一種方法入坑，於是就參照tensorflow的官網進行安裝。 tensorflow的官網安裝教程如下： tensorflow的官網安裝教程國

CUDA9.0+cuDNNv7+WIN10+1060顯示卡一.驅動檔案下載 1.上tensorflow官網。檢視本機硬體和系統支援的tensorflow版本，以及對應的cuda和cuddnn版本。 https://www.tensorflow.org/install/insta

Tensorflow使用GPU Tensorflow程式可以通過tf.device函式來指定執行每一個操作的裝置，這個裝置可以是本地CPU或GPU，也可以是某一臺遠端伺服器。 tf.device函式可以通過裝置的名稱來指定執行運算的裝置。如CPU在tensorflo

1.忙活了一上午，終於搞定了。在安裝前一定要安裝好vs，我安裝的是vs2012，我對vs2012有一種特殊的執著。然後是首先安裝anaconda，教程都有，大家基本都不會掉在這個坑裡，我就跳過了。 2.安裝CUDA和CuDNN，我是安裝了CUDA9.0和CuDNN7.0的，這只是手動安裝的

使用方法：tf.device(‘/cpu:0’)或tf.device(‘/gpu:0’)。例項： import tensorflow as tf with tf.device('/cpu:0'): a = tf.constant([1.,2.,3.],shape=[3],

檢視是否有GPU import tensorflow as tf gpu_device_name = tf.test.gpu_device_name() print(gpu_device_name) 輸出 /device:GPU:0 GPU是否可用 # 返回Tr

TensorFLow的GPU 只採用CPU在大規模資料集中訓練卷積神經網路的速度很慢，因此可以結合圖處理單元（Graphic Processing Unit，GPU）進行加速。GPU具有單指令多資料流結構，非常適合用一個程式處理各種大規模並行資料的計算問題。最常用的GPU是英偉達（nvidia）

參考部落格： tensorflow-gpu1.8.0+win10+vs2017+CUDA9.2 安裝——從挖坑到跳坑到出坑： https://blog.csdn.net/weixin_42359147/article/details/8

摘自：https://blog.csdn.net/byron123456sfsfsfa/article/details/79811286 1. 在使用GPU版的TensorFlow跑程式的時候，如果不特殊寫程式碼註明，程式預設是佔用所有主機上的GPU，但計算過程中只會用其中一塊。也就是

在Windows 10 系統下安裝Python及配置Tensorflow框架環境，可用使用軟體Anaconda，更加方便一些；一. Win10環境下安裝Anaconda（Python）下載Anaconda：在 https://www.anaconda.

本文針對使用GPU訓練模型遇到的問題進行總結、分析及解決。問題1 ImportError: libcusolver.so.8.0: cannot open shared object file:

一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 https://www.tensorflow.org/api_docs/python/tf/device 使用預設圖（default graph）是

1. 支援的裝置 TensorFlow支援CPU和GPU這兩種裝置。它們均用字串表示。例如： "/cpu:0": 機器的CPU "/device:GPU:0"：機器的第一個GPU（如果有一個） "/device:GPU:1"：機器的第二個GPU（以此類推）如果Te

一、使用GPU加速運算 1.TensorFlow程式中可以通過tf.device函式來指定執行的裝置。 CPU名稱為"/cpu:0"，即使有多個CPU，所有的CPU都使用/cpu:0作為名稱。 GPU則不同，是"/