Tensorflow, der keine GPU abholt, wenn kompatible Treiber installiert werden ⇐ Python

[Anonymous]

nvidia-smi
dhu Feb 13 03:13:38 2025

+---------------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ------------------+
| NVIDIA-SMI 555.42.06 Treiberversion: 555.42.06 CUDA-Version: 12.5 |
| ---------------------------- --------------+------------------------+----------- -----------+
| GPU-Name Persistenz-M | Bus-id disp.a | Flüchtige Uncorr. ECC |
| Fan Temp Perf PWR: Verwendung/Kappe | Gedächtnisnutzung | Gpu-util compute M. |
| | | Mig M. |
| +========================+====================== | < Br /> | 0 Nvidia Geforce GTX 1650 ... AUS | 00000000: 02: 00.0 Aus | N /a |
| N / A 51C P8 5W / 35W | 227MIB / 4096MIB | 11% Standard |
| | | N /a |
+----------------------------------------- +------------------------+----------------------+< /p>
+----------------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- +
| Prozesse: |
| GPU GI CI PID -Typ Prozessname GPU -Speicher |
| ID -ID -Verwendung |
| =============================================== | < Br /> | 0 n/a n/a 2370 g/usr/lib/xorg/xorg 79MIB |
| 0 n/a n/a 2745 g/usr/bin/gnome-shell 122mib |
| 0 n/a n/a 3442 g/usr/bin/nautilus 22mib |
+----------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ----------+
NVCC --version
NVCC: NVIDIA (R) CUDA-Compiler-Treiber
Copyright (C) 2005-2023 NVIDIA CORPORATION
BAURT Auf fri_jan__6_16: 45: 21_pst_2023
CUDA -Kompilierungstools, Release 12.0, v12.0.140
bauen cuda_12.0.r12.0 /Compiler TensorFlow-Kompatibilitätsdiagramme < /strong> sagen, dass meine CUDA-Version und die Tensorflow-Version funktionieren sollten. Ich habe einen Hybrid-Laptop und ich verwende Prime-Select Nvidia. Verwenden Sie PIP Installieren Sie den TensorFlow
und die PIP-Installation TensorFlow [und-Cuda]
Ich erhalte immer noch den Fehler < /p>
2025-02-13 03:53: 06.182402: E Externe/local_xla/xla/stream_executor/cuda/cuda_fft.cc: 477] Cufft Factory nicht registrieren: Versuch, Fabrik für Plugin Cufft zu registrieren, wenn man bereits verzeichnet wurde
alle Blockbotschaften vor ABSL: : InitializElog () wird auf Stderr
e0000 00: 00: 1739400787.353207 4649 CUDA_DNN.CC:8310] geschrieben. E0000 00:00:1739400787.818182 4649 cuda_blas.cc:1418] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered
2025-02-13 03:53:10.417428: I tensorflow/ Core/Plattform/CPU_Feature_Guard.cc: 210] Dieser Tensorflow-Binary wird optimiert, um die verfügbaren CPU-Anweisungen für leistungskritische Operationen zu verwenden. .
Wenn ich meinen Code ausführe, erhalte ich zuerst den oben genannten Fehler
, wenn er die Zeile, in der model.fit () erreicht wird, erreicht. Starts Ich bekomme diese Eingabeaufforderung
i0000 00: 00: 1739400828.892632 4649 gpu_device -> Gerät: 0, Name: Nvidia GeForce GTX 1650 mit Max-Q-Design, PCI-Bus-ID: 0000: 02: 00.0, Rechenfähigkeit: 7.5
Epoch 1/10
WARNUNG: Alle Protokollnachrichten vor den Log-Nachrichten vor abl :: initializElog () wird aufgerufen, wird an stderr
i0000 00: 00: 1739400835.989249 6210 Service geschrieben. Geräte:
I0000 00: 00: 1739400835.994557 6210 Service : 56.269087: i Tensorflow/Compiler/MLIR/Tensorflow/Utils/Dump_mlir_util.cc: 268] MLIR -MLIR -Reproduktion, Set Env var mlir_crash_Rash_Reprocer_directory to enable nn.cc : 529] geladenes Cudnn Version 90300
i0000 00: 00: 1739400839.057300 6210 Device_compiler.H: 188] Kompilierter Cluster mit XLA! Diese Linie ist höchstens einmal für die Lebensdauer des Prozesses protokolliert.