TensorFlow GPU安装后如何测试GPU是否正确识别与工作？

# 1. 准备工作

在进行TensorFlow GPU版本的安装前，首先需要检查GPU驱动是否正确安装。对于Windows系统，可以通过查看设备管理器中的显卡信息来确认；而对于Linux系统，可以通过命令行查看GPU相关信息。

安装TensorFlow GPU版本之前，建议先下载适用于GPU的安装包，并设置Python虚拟环境以避免与其他项目的Python库冲突。随后，通过pip工具来安装TensorFlow GPU，确保版本与CUDA、cuDNN匹配以获得更好的性能表现。

这些准备工作的核心目的在于确保TensorFlow能够正确地识别GPU，并为后续的GPU性能测试和优化做好准备。

# 2. 测试GPU识别

#### 2.1 使用TensorFlow验证GPU是否被识别

当我们安装好TensorFlow GPU版本后，接下来的关键步骤是验证GPU是否被正确识别和启用。这可以通过编写一个简单的TensorFlow程序来实现。

##### 2.1.1 编写一个简单的TensorFlow程序

下面是一个简单的TensorFlow程序示例，用于检查GPU是否被正确地识别：

import tensorflow as tf

# 创建一个常量张量
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
# 创建另外一个常量张量
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
# 矩阵相乘
c = tf.matmul(a, b)

# 打印结果
print(c)

##### 2.1.2 运行程序查看GPU是否被识别

在命令行中执行上述程序，如果GPU被正确识别，则会输出类似以下内容：

2021-04-01 10:54:36.208579: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cudart64_110.dll
2021-04-01 10:54:36.484321: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cublas64_11.dll
2021-04-01 10:54:36.677348: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cublasLt64_11.dll
2021-04-01 10:54:36.772582: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cufft64_10.dll
2021-04-01 10:54:36.872538: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library curand64_10.dll
2021-04-01 10:54:37.211682: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cusolver64_10.dll
2021-04-01 10:54:37.368764: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cusparse64_11.dll
2021-04-01 10:54:37.398292: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library cudnn64_8.dll
2021-04-01 10:54:37.400224: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1862] Adding visible gpu devices: 0

##### 2.1.3 检查GPU相关信息

可以使用以下代码来查看TensorFlow当前是否使用了GPU：

from tensorflow.python.client import device_lib

local_device_protos = device_lib.list_local_devices()
for device in loca