Tensorflow学习笔记6：解决tensorflow训练过程中GPU未调用问题

1、发现问题

目前模型训练一次需要11秒左右，怀疑GPU没有成功调用

查看GPU是否成功调用，nvidia-smi，nvidia-smi 命令解读

发现没有相关GPU的进程在跑，GPU没有被调用，什么问题？需要去查找下原因，首先想到的是我们的tensorflow版本是否是GPU版本的。

 

2、查看tensorflow版本

参考：确定自己的TensorFlow是CPU还是GPU的版本

显示默认调用的是CPU，然后tensorflow版本为1.7.0，在查阅的时候发现调用GPU还和cuda 和 cudnn有关

先来查看下我们的cuda版本

版本为8.0，看看是否和我们的tensorflow版本有冲突，参考：TensorFlow GPU 版本总结

显示1.5版本以上，需cuda 9.0版本，而我们的tensorflow版本为1.7，理论上是需要cuda 9.0以上的版本，现在有两个思路:

1、升级cuda版本；

2、降级tensorflow版本。

网上初略查了下，升级cuda可能遇到的问题会比较多，下面我们采用第2种思路

 

3、降级tensorflow版本到1.4

pip install tensorflow-gpu==1.4.0

 

测试跑的是GPU还是CPU

import numpy

import tensorflow as tf

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

print(sess.run(c))

之后就会出现详细的信息：

然后设置train.py里面的文件，不同模块找不同模块的train.py文件，在object_detection模块修改一下内容：

修改为False即可，在运行模块，可以发现速度快了很多

服务器终端输入：nvidia-smi，发现已经有相关GPU的进程在跑