如何解决迁移学习工具包中的“可用 GPU:0”
我正在使用 tlt。当我通过下面的代码运行它
sudo docker run --gpus all -it -v /home/TLT:/workspace/tlt-experiments -p 8888:8888 nvcr.io/nvidia/tlt-streamanalytics:v2.0_py3 /bin/bash
然后运行 jupyter notebook
jupyter notebook --ip 0.0.0.0 --port 8888 --allow-root
我在分类示例中遇到此错误:
默认 AvgPoolingOp 仅支持设备类型 CPU 上的 NHWC
我已经用这段代码检查过 GPU
import tensorflow as tf
print("Num GPUs Available: ",len(tf.config.experimental.list_physical_devices('GPU')))
但是,输出是:
可用的 GPU 数量:0
nvidia-smi 输出:
Sun Jan 10 15:15:06 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.27.04 Driver Version: 460.27.04 CUDA Version: 11.2 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 GeForce GTX 960M On | 00000000:01:00.0 Off | N/A |
| N/A 60C P5 N/A / N/A | 943MiB / 4046MiB | 25% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 1556 G /usr/lib/xorg/Xorg 131MiB |
| 0 N/A N/A 2337 G /usr/lib/xorg/Xorg 429MiB |
| 0 N/A N/A 2522 G /usr/bin/gnome-shell 93MiB |
| 0 N/A N/A 4373 G ...AAAAAAAA== --shared-files 81MiB |
| 0 N/A N/A 4549 G ...AAAAAAAA== --shared-files 187MiB |
+-----------------------------------------------------------------------------+
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。