Tensorflow 如何检查是否使用GPU

GPU 是 图形处理 单元的缩写。它是专门设计用于处理视频编码或解码、图形渲染和其他计算密集型任务所需的复杂和重复计算的处理器。

它主要适用于执行大规模并行计算，这使其非常适合机器学习和其他基于数据的应用。

在机器学习中，GPU越来越受欢迎，因为它减少了训练复杂神经网络所需的时间。Tensorflow，Pytorch，keras是内置的机器学习框架，支持GPU加速。

以下是检查Tensorflow是否使用GPU的步骤。

安装Tensorflow

首先，我们必须在Python环境中安装Tensorflow，使用以下代码：

pip install tensorflow
If you see the following output, then Tensorflow is installed.
Collecting tensorflow
  Downloading tensorflow-2.12.0-cp310-cp310-win_amd64.whl (1.9 kB)
Collecting tensorflow-intel==2.12.0
  Downloading tensorflow_intel-2.12.0-cp310-cp310-win_amd64.whl (272.8 MB)
     ---------------------------------------- 272.8/272.8 MB 948.3 kB/s eta 
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 

Installing collected packages: tensorflow
Successfully installed tensorflow-2.12.0

导入Tensorflow

现在我们需要在Python环境中导入Tensorflow包。

import tensorflow as tf

检查可用设备

接下来，我们需要检查系统上所有可用的设备，包括CPU和GPU。

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices()) 
All the available devices are displayed.
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 11826112642512424455
xla_global_id: -1
]