tensorflowがpythonシェルの内部からgpuアクセラレーションを使用しているかどうかを確認するには？

Question

ubuntu 16.04にテンソルフローをインストールしました。第2の答えはhereで、ubuntuにはapt cudaが組み込まれています。

私の質問は、テンソルフローが本当にgpuを使用しているかどうかをテストする方法です。私はgtx 960mのGPUを持っています。私import tensorflowこれがOUTPあるとき

I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally 
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally 
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally 
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally 
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally 

はtensorflowは、GPUを使用しているかどうかをチェックするのに十分な、この出力ですか？

Answer 1

いいえ、グラフの異なるノードが異なるデバイス上にある可能性があるため、「オープンCUDAライブラリ」とは言えません。

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

Answer 2

これも訓練しながら、GPUを使用してそのtensorflowを確認します：

は、あなたがこのようなログデバイスの配置を可能にすることができます使用されているデバイスを調べるには？

コード

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

出力別にTFの公式documentationならびに他の回答に概説されているsess = tf.Session(config=tf.ConfigProto(log_device_placement=True))を使用してから

I tensorflow/core/common_runtime/gpu/gpu_device.cc:885] Found device 0 with properties: 
name: GeForce GT 730 
major: 3 minor: 5 memoryClockRate (GHz) 0.9015 
pciBusID 0000:01:00.0 
Total memory: 1.98GiB 
Free memory: 1.72GiB 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA: 0 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0: Y 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0) 
Device mapping: 
/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0 
I tensorflow/core/common_runtime/direct_session.cc:255] Device mapping: 
/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0 

Answer 3

は、あなたがに計算を割り当てるために試すことができますあなたはエラーがあるかどうかを確認してください。

import tensorflow as tf 
with tf.device('/gpu:0'): 
    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) 

with tf.Session() as sess: 
    print (sess.run(c)) 

ここ

• "/ CPU：0"：あなたのマシンのCPU。
• "/ gpu：0"：マシンのGPU（ある場合）。

gpuを使用している場合は、その結果が表示されます。それ以外の場合は、長いスタックトレースでエラーが発生します。最後に、あなたはこのようなものを持っています：

ノードのMATMUL」にデバイスを割り当てることができません：なしデバイスマッチングを 仕様が登録されていないことをので「0：GPU /デバイス」を明示的 デバイスの仕様を満たすことができませんでしたこのプロセスでは

Answer 4

私はGPUの使用状況を監視するためにnvidia-smiを使用することをお勧めします。あなたがプログラムを始めるときにかなり上がると、あなたのテンソルフローがGPUを使用しているという強いサインです。

Answer 5

実行あなたが適切に環境を設定している場合、あなたは「jupyterノート」を実行したターミナルで次のの出力が得られます

import tensorflow as tf 
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 

、Jupyterに以下、

2017-10-05 14:51:46.335323: I c:\tf_jenkins\home\workspace\release-win\m\windows-gpu\py\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1030] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Quadro K620, pci bus id: 0000:02:00.0) 
Device mapping: 
/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: Quadro K620, pci bus id: 0000:02:00.0 
2017-10-05 14:51:46.337418: I c:\tf_jenkins\home\workspace\release-win\m\windows-gpu\py\35\tensorflow\core\common_runtime\direct_session.cc:265] Device mapping: 
/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: Quadro K620, pci bus id: 0000:02:00.0 

私はTensorFlowをNvidia Quodro K620で使用しています。

Answer 6

これは（PY-3.6の下で）Tensorflowために利用可能なデバイスのリストを与える必要があります。

tf = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 
tf.list_devices() 
# _DeviceAttributes(/job:localhost/replica:0/task:0/device:CPU:0, CPU, 268435456) 

Answer 7

私はコマンドラインからGPUを照会見つける最も簡単です：

nvidia-smi 

+-----------------------------------------------------------------------------+ 
| NVIDIA-SMI 384.98     Driver Version: 384.98     | 
|-------------------------------+----------------------+----------------------+ 
| GPU Name  Persistence-M| Bus-Id  Disp.A | Volatile Uncorr. ECC | 
| Fan Temp Perf Pwr:Usage/Cap|   Memory-Usage | GPU-Util Compute M. | 
|===============================+======================+======================| 
| 0 GeForce GTX 980 Ti Off | 00000000:02:00.0 On |     N/A | 
| 22% 33C P8 13W/250W | 5817MiB/6075MiB |  0%  Default | 
+-------------------------------+----------------------+----------------------+ 

+-----------------------------------------------------------------------------+ 
| Processes:              GPU Memory | 
| GPU  PID Type Process name        Usage  | 
|=============================================================================| 
| 0  1060  G /usr/lib/xorg/Xorg       53MiB | 
| 0  25177  C python          5751MiB | 
+-----------------------------------------------------------------------------+ 

あなたの場合学習はバックグラウンドプロセスです。 jobs -pのPIDは、pidと一致する必要があります。nvidia-smi

Answer 8

次のコードはテンソルフローに使用できるすべてのデバイスを提供します。

from tensorflow.python.client import device_lib 
print(device_lib.list_local_devices()) 

サンプル出力

[名 "/ CPU：0" DEVICE_TYPE： "CPU" のmemory_limit：268435456 局所{ } 化身：4402277519343584096、

名： "/ gpu：0" device_type： "GPU" memory_limit：6772842168 地域{ bus_ ID：1 } 化身：7471795903849088328 physical_device_desc： "デバイス：0、名前：のGeForce GTX 1070、PCIバスID：0000：05：00.0" ]