Google Colab适配TF1.14配置CUDA后GPU检测返回false求解

排查解决步骤 #

• 确认GPU运行时已启用
  点击顶部菜单栏「修改」→「笔记本设置」，硬件加速器选择「GPU」，保存后重启运行时再测试。
• 确认安装的是对应版本的GPU版TensorFlow
  执行!pip show tensorflow-gpu验证：
  • 版本不是1.14.0的话，执行!pip uninstall -y tensorflow tensorflow-gpu && pip install tensorflow-gpu==1.14.0重新安装
  • 无tensorflow-gpu包说明安装的是CPU版TensorFlow，直接替换为GPU版即可
    安装完成后必须重启运行时生效。
• 修正CUDA环境指向
  Colab默认自带高版本CUDA，手动安装10.0后需要手动调整软链接和环境变量：
  1. 执行命令修改软链接：!sudo rm -rf /usr/local/cuda && sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
  2. 导入TensorFlow前先配置环境变量：

  import os
  os.environ['LD_LIBRARY_PATH'] = '/usr/local/cuda-10.0/lib64:/usr/local/cuda-10.0/extras/CUPTI/lib64'
  os.environ['CUDA_HOME'] = '/usr/local/cuda-10.0'
  

  执行!nvcc -V确认输出CUDA版本为10.0.130即配置生效。
• 验证cuDNN安装正确性
  执行!cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2查看cuDNN版本，确认是7.6.4。如果不匹配，重新解压cuDNN 7.6.4安装包，将include下的文件复制到/usr/local/cuda-10.0/include，lib64下的文件复制到/usr/local/cuda-10.0/lib64，并给所有复制的文件添加可执行权限。
• 验证GPU识别结果
  执行以下代码查看设备分配日志，不要仅以tf.test.is_gpu_available()的返回结果作为判断依据：

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

  日志中出现GPU设备名称即为识别成功。

内容的提问来源于stack exchange，提问作者Haileytong