用GPU加速神经网络训练

前言

本文记录了做毕设过程中，为了加速神经网络的训练，如何让tf能识别到GPU并加速，加速前resnet架构一个epoch需要跑40分钟，使用mx150（一个laptop的极普通显卡，cuda核心仅有384个）可以加速到4分钟以内，极大的缩短了训练时间，感谢悉心指导我的刘学姐。

电脑配置：dell 灵越7580

解决过程：

工具：anaconda3 pycharm2021.3.3

1、 包版本

Python：3.7
tensorflow：2.1.0
cudatoolkit：10.1
cudnn：7.6
Tensorflow-gpu：2.3.0
以上对应关系见表（学姐发我的，出处不详）——

2、cmd安装包

以管理员身份启动cmd命令行
conda activate “name of env”（进入环境）
pip install –user tensorflow-gpu==2.3.0（保证安装成功，不加—user可能会报OSError的错）

3、检测是否安装成功

import tensorflow as tf
print(tf.test.is_gpu_available())

输出true则代表是GPU版本，说明安装成功
或：

gpus = tf.config.list_physical_devices(device_type='GPU')
cpus = tf.config.list_physical_devices(device_type='CPU')
print(gpus, cpus)

检查tensorflow可使用的设备情况
多GPU分配使用的方法参见博客：

https://www.cnblogs.com/Renyi-Fan/p/13461855.html

最后放一张成功安装的截图