Ubuntu16.04环境中CUDA/CuDNN安装成功后TensorFlow无法调用Quadro K4000

问题背景 #

你的运行环境如下：

• 系统：Ubuntu 16.04
• Python环境：Anaconda Python 3.6
• 显卡：Quadro K4000（CUDA算力3.0）
• CUDA版本：9.0.176，CuDNN版本：7.1.4

运行TensorFlow/Keras时触发错误日志：

2019-07-09 14:20:49.199895: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties: name: Quadro K4000 major: 3 minor: 0 memoryClockRate(GHz): 0.8105 pciBusID: 0000:05:00.0 totalMemory: 2.94GiB freeMemory: 2.46GiB 
2019-07-09 14:20:49.199946: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1482] Ignoring visible gpu device (device: 0, name: Quadro K4000, pci bus id: 0000:05:00.0, compute capability: 3.0) with Cuda compute capability 3.0. The minimum required Cuda capability is 3.5. 
2019-07-09 14:20:49.199969: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix: 
2019-07-09 14:20:49.199983: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 0 
2019-07-09 14:20:49.199995: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N 

问题原因 #

从错误日志的核心提示就能定位问题：你的Quadro K4000显卡CUDA算力为3.0，但当前安装的TensorFlow版本要求最低算力是3.5。从TensorFlow 1.13版本开始，官方就不再支持算力3.0的GPU，所以程序直接忽略了你的显卡，导致运行中断。

解决方案 #

好在你已经安装的CUDA 9.0和CuDNN 7.1.4正好适配低版本TensorFlow，咱们直接降级TensorFlow到支持算力3.0的版本即可，步骤如下：

1. 卸载当前TensorFlow版本
   打开终端，用Anaconda命令卸载：

   # 如果你安装的是GPU版本TensorFlow
   conda remove tensorflow-gpu
   # 若为CPU版本（你用GPU大概率是前者）
   conda remove tensorflow
   

2. 安装兼容的TensorFlow GPU版本
   推荐安装TensorFlow 1.12.0，它完美适配你的CUDA、CuDNN版本，同时支持算力3.0的GPU：

   conda install tensorflow-gpu=1.12.0
   

   你也可以选择1.11.x或1.10.x版本，这些版本同样支持算力3.0。

3. 验证安装是否成功
   打开Python终端，运行以下代码检查GPU是否被正常识别：

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

   若输出True，说明GPU已被正确识别，接下来就可以正常运行你的Keras代码了。

额外提示 #

• 如果你需要搭配Keras使用，建议安装Keras 2.2.4，它和TensorFlow 1.12.0是稳定兼容的组合，安装命令：conda install keras=2.2.4
• 后续不要随意升级TensorFlow到1.13及以上版本，否则会再次触发相同的算力不兼容问题。

内容的提问来源于stack exchange，提问作者Hitesh