怎么查看tensorflow是gpu

### 回答1：
您可以在 TensorFlow 程序中使用以下代码检查是否使用 GPU：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

如果输出结果是 `Num GPUs Available: 1`，则表示 TensorFlow 正在使用 GPU。

### 回答2：
要查看TensorFlow是否使用GPU，可以通过程序代码或命令行进行检查。以下是两种方法：

1. 程序代码：

在TensorFlow中，GPU设备是用`/gpu:`前缀表示的，因此可以通过检查TensorFlow中是否存在GPU设备来确定TensorFlow是否使用GPU。下面是一个简单的Python程序代码示例：

import tensorflow as tf

# 创建会话
sess = tf.Session()

# 获取所有可用的设备
devices = sess.list_devices()

# 查找GPU设备
gpu_devices = [device.name for device in devices if device.name.startswith('/gpu:')]

if len(gpu_devices) > 0:
    print("TensorFlow正在使用GPU：", gpu_devices)
else:
    print("TensorFlow没有找到GPU，正在使用CPU")

2. 命令行：

如果是在命令行中运行TensorFlow程序，则可以通过在运行程序时指定`CUDA_VISIBLE_DEVICES`来检查TensorFlow是否使用GPU。`CUDA_VISIBLE_DEVICES`是一个环境变量，用于指定哪些GPU设备可见。在Linux系统中，可以使用以下命令运行TensorFlow程序：

CUDA_VISIBLE_DEVICES=0,1 python my_tensorflow_script.py

如果TensorFlow使用GPU，在程序运行时会看到类似以下的输出：

2018-08-09 12:03:55.268247: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1356] Found device 0 with properties:
name: Tesla P100-PCIE-16GB major: 6 minor: 0 memoryClockRate(GHz): 1.3285
pciBusID: 0000:00:04.0
totalMemory: 15.90GiB freeMemory: 15.59GiB
2018-08-09 12:03:55.268340: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1435] Adding visible gpu devices: 0

注意，上述两种方法都只适用于TensorFlow版本1.x和2.x。TensorFlow 2.x默认使用GPU（如果存在），因此在使用TensorFlow 2.x时无需执行任何附加步骤。

### 回答3：
如果您想要检查您的TensorFlow是否已经配置为使用GPU，则可以按照以下步骤进行：

1.您需要确认您的GPU是否已经被正确的安装和配置在了您的计算机上。您可以通过使用Nvidia Control Panel来确认这一点。您可以在Windows操作系统中的“控制面板”中查找它，或者在Linux系统中使用“nvidia-settings”命令进行查找。

2.您需要使用pip来下载TensorFlow，命令如下：

pip install tensorflow-gpu

如果您的TensorFlow已经安装了，则可以在单独的命令行窗口中输入以下命令以检查您的TensorFlow是否正在使用GPU：

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

3.如果您的TensorFlow正在使用gpu，则会返回以下信息：

2021-06-25 16:27:42.270851: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_110.dll

tf.Tensor(-269.70715, shape=(), dtype=float32)

您可以看到，如上所述，的第一行代码确保您正在使用GPU动态链接库。第二行tf.Tensor(-269.70715, shape=(), dtype=float32)是从Python脚本中返回的张量的值。如果您的TensorFlow没有使用GPU，则会返回以下信息：

Failure to connect to local process C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\Remote Debugger\x64\msvsmon.exe. GetLastError = 0x00000000

2021-06-25 15:20:17.008015: W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found

2021-06-25 15:20:17.011379: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.

2021-06-25 15:20:18.408294: I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, tf_xla_enable_xla_devices not set

2021-06-25 15:20:18.410296: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library nvcuda.dll

tf.Tensor(41.188034, shape=(), dtype=float32)

您可以看到，有几个错误信息，并且张量的值与下面的GPU显示不同。