关于我装的GPU版tensorflow然后却是cpu在跑这件事

神经网络的层数越来越多，程序跑的也是越来越慢，打开任务管理器发现我的GPU根本没用到，白瞎我买的电脑，和费那劲装的tensorflowGPU版

首先看一下GPU是否可用

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

我的输出是[],也就是空
在cmd窗口激活我们用的tensorflow环境，会显示找不到cusolver64_10.dll，我们进入cuda的目录，我的是默认的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin，把cusolver64_11.dll改名改成10
到这里我就看到我的GPU了 [PhysicalDevice(name=’/physical_device:GPU:0’, device_type=‘GPU’)]

继续运行程序，我以前可以正常运行的代码开始报这个错

NotFoundError: No algorithm worked! [[node vgg_net/conv2d/Conv2D
(defined at :94) ]]
[Op:__inference_train_function_3048]

Errors may have originated from an input operation. Input Source
operations connected to node vgg_net/conv2d/Conv2D: IteratorGetNext
(defined at :10)

Function call stack: train_function

我只改了GPU相关的东西，所以就看看指定运行GPU可不可以

import tensorflow as tf
physical_devices = tf.config.list_physical_devices(‘GPU’)
tf.config.experimental.set_memory_growth(physical_devices[0], True)

然后。。。
RuntimeError: Physical devices cannot be modified after being initialized，tensorflow2.0

也就是需要在实例化模型前分配GPU，指定GPU的语句写的尽量靠前，直接在import tensorflow as tf ，一步到位，从头开始重新运行程序，就好使了

为了充分利用GPU的性能，我们可以增大batch大小，使GPU负载在70%-80%左右，初学阶段规模比较小，也不用设太大