Python tf.test.is_gpu_available用法及代碼示例

返回 TensorFlow 是否可以訪問 GPU。 (已棄用)

用法

tf.test.is_gpu_available(
    cuda_only=False, min_cuda_compute_capability=None
)

警告：此函數已棄用。它將在未來的版本中刪除。更新說明：改用tf.config.list_physical_devices('GPU')。

警告：如果安裝了非 GPU 版本的包，該函數也將返回 False。使用 tf.test.is_built_with_cuda 來驗證 TensorFlow 是否是在 CUDA 支持下構建的。

例如，

>>> gpu_available = tf.test.is_gpu_available()
>>> is_cuda_gpu_available = tf.test.is_gpu_available(cuda_only=True)
>>> is_cuda_gpu_min_3 = tf.test.is_gpu_available(True, (3,0))

請注意，關鍵字 arg 名稱 "cuda_only" 具有誤導性(因為無論 TF 是使用 CUDA 支持還是 ROCm 支持構建的，例程都會在 GPU 設備可用時返回 true。但是這裏沒有更改，因為

++ 將名稱"cuda_only" 更改為更通用的名稱會破壞向後兼容性

++ 添加等效的"rocm_only" 將需要實現檢查構建類型。這反過來又需要對 CUDA 做同樣的事情，因此可能會破壞向後兼容性

++ 添加新的"cuda_or_rocm_only" 不會破壞向後兼容性，但需要大多數(如果不是全部)調用者更新調用以使用"cuda_or_rocm_only" 而不是"cuda_only"