如何检查 Tensorflow 是否正在使用 GPU?
pythonserver side programmingprogramming更新于 2024/1/3 12:03:00
GPU 缩写为 图形处理 单元。它是一种专门设计的处理器，用于处理视频编码或解码、图形渲染和其他计算密集型任务所需的复杂和重复计算。
它主要适用于执行大规模并行计算，非常适合机器学习和其他基于数据的应用程序。
机器学习中的 GPU 变得越来越流行，因为它减少了训练复杂神经网络所需的时间。 Tensorflow、Pytorch、keras 是支持 GPU 加速的机器学习内置框架。
以下是检查 Tensorflow 是否使用 GPU 的步骤。
安装 Tensorflow
首先，我们必须使用以下代码在 python 环境中安装 Tensorflow。
pip install tensorflow
If you see the following output, then Tensorflow is installed.
Collecting tensorflow
Downloading tensorflow-2.12.0-cp310-cp310-win_amd64.whl (1.9 kB)
Collecting tensorflow-intel==2.12.0
Downloading tensorflow_intel-2.12.0-cp310-cp310-win_amd64.whl (272.8 MB)
---------------------------------------- 272.8/272.8 MB 948.3 kB/s eta
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Installing collected packages: tensorflow
Successfully installed tensorflow-2.12.0
导入 Tensorflow
现在我们必须在 python 环境中导入 Tensorflow 包。
import tensorflow as tf
检查可用设备
接下来我们必须检查系统上所有可用的设备，包括 CPU 和 GPU。
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
All the available devices are displayed.
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 11826112642512424455
xla_global_id: -1
]
Tensorflow 访问
接下来我们将检查 tensorflow 是否会访问 GPU。输出将以布尔格式定义，即 True 或 False，其中 True 表示有访问权限，False 表示无访问权限。以下是代码。
tf.test.is_gpu_available()
以下是上述代码的输出。
False
