前提條件:
- 你的系統有GPU(Nvidia.因爲AMD還沒有工作)
- 您已經安裝了tensorflow的GPU版本
- 您已安裝CUDA
並且配置好環境變量。
檢測是否配置成功
第一步
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
輸出
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17774500374908728487
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 3146829004
locality {
bus_id: 1
links {
}
}
incarnation: 17779657347897244584
physical_device_desc: "device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1"
]
第二步
# 檢查Keras是否調用GPU
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
輸出:
['/job:localhost/replica:0/task:0/device:GPU:0']
實際運行代碼檢測GPU使用率
方法一:更精確
在目錄C:\Program Files\NVIDIA Corporation\NVSMI下,找到文件
nvidia-smi.exe
,如圖所示:
運行Keras代碼,同時cmd下cd進入目錄C:\Program Files\NVIDIA Corporation\NVSMI。在cmd中輸入nvidia-smi
,即可查看GPU的利用率,如圖所示:
方法二:
利用任務管理器,查看GPU,如圖所示