Tensorflow-GPU2.4.0，使用中出现的问题

一、运行代码时指定了NVIDIA GPU，NVIDIA GPU却没有显存频率波动，但CPU却满载

这个问题首先要检测安装好 Tensorflow-GPU版 后，GPU是否正常运行，运行下列代码检测

• import tensorflow as tf
  import os
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
  print(tf.test.is_gpu_available())

显示为TRUE,代表NVIDIA GPU正常运行

显示为FALSE，代表NVIDIA GPU并没有运行

FALSE的解决办法：

运行下列代码检测：

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

 运行后会发现，有的DLL缺失，无法找到，这里以图中的 cusolver64_10为例

---

如果显示not found，我们需要回到 CUDA 安装目录下的bin目录，里面有对应的各个DLL

如，名为 cusolver64_xx 的文件，将此文件单独复制出去，然后改为名为 cusolver64_10 

放回bin目录下，重新运行检测代码，显示为TRUE，即代表NVIDIA GPU已正常运行

上图所示，将改好名的文件，复制回bin目录

在确认GPU正常工作后，在我们的代码里，进行GPU指定，添加下列代码：

• import os
  os.environ["CUDA_VISIBLE_DEVICES"] = "0"

‘ 0 ’ 表示的即是我们的 Nvidia GPU，在上面检测图中，我们也可以看到，visible gpu devices：0

如果不指定，即默认使用所有GPU，CPU也会满载运行；如果指定错误，同理GPU也不会工作。

当然，在CMD窗口，我们也可以运行Nvidia指令，查询GPU信息，输入命令： nvidia-smi

---

 二、运行代码时，出现 numpy.core._exceptions.MemoryError 错误

如图所示

 解决方法：

1.增加虚拟内存：在Tensorflow虚拟环境所在盘，增加虚拟内存

控制面板——系统和安全——系统——性能设置——高级——虚拟内存更改——Tensorflow在D盘

提示：

Unable to allocate 9.31 GiB for an array with shape (25000, 100000) and data type float32 

我们设置的虚拟内存大小，就给够10G，如果是18.9 Gib，那我们就给够20G虚拟内存

2.降低 batch_size 的值

   由于batch_size过大导致 超出内存，我们就将代码中的batch_size值手动降低，再运行