Как я могу заставить тензорный поток работать на графическом процессоре с возможностью 2.0?

Я успешно установил tenorflow (GPU) в Linux Ubuntu 16.04 и внес некоторые небольшие изменения, чтобы он работал с новой версией Ubuntu LTS.

Тем не менее, я подумал (кто знает почему), что мой графический процессор соответствует минимальному требованию вычислительной мощности больше 3,5. Это был не тот случай, так как мойGeForce 820M всего 2,1. Есть ли способ заставить версию tenorflow GPU работать с моим GPU?

Я задаю этот вопрос, поскольку, по-видимому, не было способа заставить версию GPU tenorflow работать на Ubuntu 16.04, но, просмотрев Интернет, я обнаружил, что это не тот случай, и действительно заставил его работать почти без этого неудовлетворенного требования. Теперь мне интересно, можно ли решить эту проблему с возможностью вычислений на GPU.

 mickkk23 июл. 2016 г., 17:22
@ chasep255 Я смог использовать mxnet на GPU (Python). Это бежало немного быстрее. Да, разница не так уж и велика, но при управлении многими эпохами может помочь даже небольшая разница. Если адаптация пакета к моей машине не требует больших усилий, я думаю, я мог бы попробовать.
 Ru Hasha27 февр. 2017 г., 09:25
@mickkk Я заметил, что тензор потока также поддерживает opencl ... Не уверен, что это можно использовать в качестве альтернативы. Попробую построить это сейчас. Отзовусь, если все работает нормально.
 chasep25523 июл. 2016 г., 17:10
Я посмотрел на этот графический процессор, и он кажется очень слабым. На вашем месте я бы использовал тензор потока процессора, так как не думаю, что будет большая разница в производительности. Может быть даже быстрее.

Ответы на вопрос(3)

Решение Вопроса

GPU-версия tenorflowтребует вычислительных возможностей 3.0 или выше (и использует cuDNN) для доступа к графическому процессору. ОтВот

Для поддержки TensorFlow GPU требуется карта GPU с NVidia Compute Capability> = 3.0.

cuDNNтакже требуется графический процессор cc3.0 или выше:

cuDNN поддерживается в системах Windows, Linux и MacOS с графическими процессорами Pascal, Kepler, Maxwell, Tegra K1 или Tegra X1.

Кеплер = cc3.xМаксвелл = cc5.xПаскаль = cc6.xTK1 = CC3,2TX1 = CC5,3

Графические процессоры Fermi (cc2.0, cc2.1) не поддерживаются cuDNN.

Более старые графические процессоры (например, вычислительные возможности 1.x) также не поддерживаются cuDNN.

Обратите внимание, что естьникогда не был либо версия cuDNN, либо любая версия TF, которая официально поддерживает графические процессоры NVIDIA менее cc3.0. Первоначальная версия cuDNN начиналась с использования графических процессоров cc3.0, а первоначальная версия TF начиналась с использования графических процессоров cc3.0.

 Robert Crovella23 июл. 2016 г., 17:39
cuDNN не будет работать на GPU cc2.1. Возможно, у mxnet есть путь с поддержкой gpu, который не требует cuDNN. Казалось бы, это такВот, Обратите внимание, что поддержка GPU заявлена ​​для cc2.0 и выше, но она использует "CUDNN дляускорять вычисление на GPU ".
 mickkk23 июл. 2016 г., 17:24
Теперь мне интересно, почему я смог запустить mxnet на GPU, используя cuDNN, хотя ... В принципе, вы не могли даже установить GPU tenorflow на последней Ubuntu LTS ..
 JarsOfJam-Scheduler05 авг. 2019 г., 09:52
Предупреждение @RobertCrovella: первые две ссылки 404

Сентябрь 2017 Обновление:Нет способа сделать это без проблем и усилий, Я старался изо всех сил и даже применил приведенный ниже трюк, чтобы заставить его бежать, но в конце концов мне пришлось сдаться.Если вы серьезно относитесь к Tensorflow, просто купите 3.0 GPU с вычислительными возможностями.

Это хитрость, чтобы заставить тензорный поток работать на GPU с вычислительной способностью 2.0 (не официально):

Найдите файл в lib / site-packages / tenorflow / python / _pywrap_tensorflow_internal.pyd (orLib / site-packages / tenorflow / python / _pywrap_tensorflow.pyd)

Откройте его с помощью Notepad ++ или чего-то подобного

Поиск первого появления3\.5.*5\.2 используя регулярное выражение

Вы видите 3.0 до 3.5 * 5.2, измените его на 2.0

Я изменил, как указано выше, и могу выполнять простые вычисления с помощью графического процессора, но застрял со странными и неизвестными проблемами при попытке выполнить практические проекты (эти проекты хорошо работают с графическим процессором с возможностью вычислений 3.0)

 mayank27 сент. 2017 г., 08:12
Спасибо, ребята, за сообщение о проблемах в вашем эксперименте выше. Это помогает мне просто отпустить и понять, что я должен получить новый графический процессор, если я хочу запустить TF. :) @TinLuu, пожалуйста, рассмотрите возможность редактирования своего ответа, чтобы отразить проблемы, чтобы другие, кто мог пропустить эти комментарии, тоже не пошли по этому пути!
 Marcin Tarka01 июл. 2017 г., 12:49
Я настоятельно советую не делать этого. После применения этого трюка на моем ноутбуке с GeForce 800M результаты были неправильными.
 Tin Luu06 июл. 2017 г., 05:11
Да, грустно это выяснять. Также установлено, что мой графический процессор некорректно работает со сложной моделью (странные ошибки), в то время как с той же моделью (тем же кодом) он может работать гладко с графическим процессором 3.0
 Tin Luu11 окт. 2017 г., 11:24
Спасибо за ваше предложение! Я обновил ответ, чтобы можно было легко принять решение

как установить Tensorflow-gpu на вычислительные возможности 2.1. NVIDIA GeForce 525M для python, хитрость заключается в простом использовании архивированной версии тензорного потока, я использовал 1.9.0. Команда python для пакетов, использующих PIP, - это pip install tenororflow-gpu = = 1.9.0 и версия cuDNN 7.4.1

Ваш ответ на вопрос