我要评论当用以下代码查看gpu数量时，gpus返回的是一个空列表，说明tensorflow没有找到gpu。
import tensorflow as tf # 查看gpu和cpu的数量 gpus = tf.config.experimental.list_physical_devices(device_type='gpu') cpus = tf.config.experimental.list_physical_devices(device_type='cpu')
是由于tensorflow版本从2.x开始不再区分cpu版和gpu版，
官网中说明tensorflow 2.10是最后一个在本地windows上支持gpu的版本。
所以要在native-windows上使用gpu，就只能安装2.10.0版本及以下的版本，或者安装老版的tensorflow-gpu。
解决步骤：
所有现在我们要做的就是：要使用python2.10版本的tensorflow去调用gpu
但是你如果想使用2.10版本的tensorflow，你必须下载相应适配的cuda
win+r 输入cmd 用python -v查看你的python版本
python -v 或 python --version
查出来：
接下来就是要把tensorflow的版本降下来，在pycharm里面的终端运行下面代码
pip install tensorflow==2.10.0
win+r并输入cmd打开命令提示符，输入nvidia-smi查看驱动支持的最高cuda版本，以本人驱动为例，适用的最高cuda版本为12.1
nvidia-smi
下一步是彻底删除旧的cuda和cudnn
先删除含cuda的程序
在搜索栏输入控制面板---->打开控制面板
点击 程序和功能
卸载所有与cuda有关的程序
检查删除环境变量
打开 此电脑---->系统属性---->高级系统设置---->环境变量
找到环境变量和系统变量的path，点击编辑，若发现path中没有含cuda的环境变量，证明刚刚第一步卸载cuda的时候系统已经自动删除，若系统没有自动删除（path中仍然含有c:\program files\nvidia gpu computing toolkit\cuda\v9.0这样含有cuda的路径），则需要手动删除。
检查删除文件夹
找到nvidia gpu computing toolkit文件夹，删除该文件夹即可，因为安装cuda时默认的安装路径就是这个文件，又因为cudnn是专门为深度学习设计的gpu加速库，通常是安装在cuda的目录下的，所以把这个文件删了，也就把cuda和cudnn删除干净了！
完成以上三大步骤，cuda和cudnn就卸载完成啦！
接下来就是要重新安装合适版本的cuda（cuda11.2）下载地址
验证cuda是否安装完成
在新打开的cmd窗口中输入：
nvcc -v
同样下载匹配的cudnn，这里选择8.9.7适用于cuda 11.x的版本:链接地址
解压出cudnn文件后
复制以下三个文件夹
将文件夹粘贴至如下路径:
path to your cudafolder/files/nvidia gpu computing toolkit/cuda/v11.6
验证cudnn是否安装成功
①在下述文件夹右键，打开终端
path to your cudafolder/files/nvidia gpu computing toolkit/cuda/v11.6/extras/demo_suite
②输入：
.\devicequery.exe
得到pass即代表安装成功
输入：
.\bandwidthtest.exe
得到pass即代表安装成功
然后就是给cuda配置环境变量
此电脑——属性——高级系统设置——环境变量——系统变量 ,在系统变量中找到path，去里面加另外两条，前两条应该本来就有，把后两条加上，最终有四条路径见截图
在python中pip安装tensorflow-cpu
pip install tensorflow-cpu==2.10
pip install tensorflow-cpu==2.10
如果曾经安装过，其他两种，可以先执行卸载。
pip uninstall tensorflow
pip uninstall tensorflow-gpu安装plugin
pip install tensorflow-directml-plugin
如果此时出现
error: could not find a version that satisfies the requirement tensorflow-directml-plugin (from versions: none)
error: no matching distribution found for tensorflow-directml-plugin
那一定是前面的环境没有配置好，重新弄吧。
弄好后重启电脑
安装下面的俩个
conda install cudatoolkit=11.1 conda install "tensorflow<2.11"
然后在python运行以下代码：
import tensorflow as tf
# 检查 tensorflow 是否看到 gpu
print("tensorflow version:", tf.__version__)
print("num gpus available: ", len(tf.config.list_physical_devices('gpu')))
# 打印出可用 gpu 的详细信息
if tf.config.list_physical_devices('gpu'):
for gpu in tf.config.list_physical_devices('gpu'):
print("name:", gpu.name, " type:", gpu.device_type)得到
以上就是python中tensorflow无法调用gpu问题的解决方法的详细内容，更多关于python tensorflow无法调用gpu的资料请关注代码网其它相关文章！
发表评论