我严格按照 tensorflow.org 上的说明安装了 Cuda、cudann 和 TensorFlow。安装过程中，我将 ubuntu 切换到 Nvidia 卡。验证安装后，我切换回了英特尔。现在，在编译代码时，我在终端中收到此消息：
2019-11-26 19:24:24.781299：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcuda.so.1 2019-11-26 19：24：24.830457：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 从 SysFS 成功读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：24.831899：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1618]找到具有以下属性的设备 0： 名称：GeForce MX150 主频：6 次频：1 内存时钟频率(GHz)：1.5315 pciBusID：0000：01：00.0 2019-11-26 19:24:24.983890：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudart.so.10.0 2019-11-26 19:24:25.001409：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcublas.so.10.0 2019-11-26 19:24:25.009430：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcufft.so.10.0 2019-11-26 19:24:25.030189：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcurand.so.10.0 2019-11-26 19:24:25.048404：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcusolver.so.10.0 2019-11-26 19:24:25.067131：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcusparse.so.10.0 2019-11-26 19:24:25.095875：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudnn.so.7 2019-11-26 19：24：25.096289：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.099040：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.100673：I tensorflow/core/common_runtime/gpu/gpu_device.cc:1746]添加可见的 gpu 设备：0 2019-11-26 19：24：25.101394：I tensorflow/core/platform/cpu_feature_guard.cc:142]您的 CPU 支持此 TensorFlow 二进制文件未编译使用的指令：AVX2 FMA 2019-11-26 19：24：25.135574：I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU频率：1800000000 Hz 2019-11-26 19:24:25.137917：I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x5619ea60e930 正在平台 Host 上执行计算。设备： 2019-11-26 19：24：25.137997：I tensorflow / compilation / xla / service / service.cc:175] StreamExecutor 设备（0）：主机，默认版本 2019-11-26 19：24：25.270223：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 从 SysFS 成功读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19:24:25.271459：I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x5619ebdb8290 在平台 CUDA 上执行计算。设备： 2019-11-26 19：24：25.271500：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备（0）：GeForce MX150，计算能力 6.1 2019-11-26 19：24：25.271757：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.272737：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1618]找到具有以下属性的设备 0： 名称：GeForce MX150 主频：6 次频：1 内存时钟频率(GHz)：1.5315 pciBusID：0000：01：00.0 2019-11-26 19:24:25.272802：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudart.so.10.0 2019-11-26 19:24:25.272831：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库 libcublas.so.10.0 2019-11-26 19:24:25.272858：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcufft.so.10.0 2019-11-26 19:24:25.272882：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcurand.so.10.0 2019-11-26 19:24:25.272913：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcusolver.so.10.0 2019-11-26 19:24:25.272940：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcusparse.so.10.0 2019-11-26 19:24:25.272966：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudnn.so.7 2019-11-26 19：24：25.273065：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.274126：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 从 SysFS 成功读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.275065：I tensorflow/core/common_runtime/gpu/gpu_device.cc:1746]添加可见的 gpu 设备：0 2019-11-26 19:24:25.275131：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudart.so.10.0 2019-11-26 19：24：25.277086：I tensorflow/core/common_runtime/gpu/gpu_device.cc:1159] 设备互连StreamExecutor强度为1的边缘矩阵： 2019-11-26 19：24：25.277112：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1165] 0 2019-11-26 19：24：25.277124：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1178] 0：N 2019-11-26 19：24：25.277325：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.278329：I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1006] 成功从 SysFS 读取的 NUMA 节点具有负值（-1），但必须至少有一个 NUMA 节点，因此返回 NUMA 节点零 2019-11-26 19：24：25.279323：I tensorflow/core/common_runtime/gpu/gpu_device.cc:1304] 创建了 TensorFlow 设备（/job：localhost/replica：0/task：0/device：GPU：0，内存为 1323 MB）-> 物理 GPU（设备：0，名称：GeForce MX150，pci 总线 ID：0000：01：00.0，计算能力：6.1）
那么我的 GPU 是否正常工作，还是我需要做其他事情？谢谢您的回答，但我在尝试运行卷积层时似乎遇到了新的问题。错误显示：
2019-11-29 20:59:03.481920：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcublas.so.10.0
2019-11-29 20:59:06.074691：I tensorflow/stream_executor/platform/default/dso_loader.cc:44]成功打开动态库libcudnn.so.7
2019-11-29 20：59：06.171580：E tensorflow / stream_executor / cuda / cuda_dnn.cc：329]无法创建 cudnn 句柄：CUDNN_STATUS_NOT_INITIALIZED
2019-11-29 20:59:06.171825: E tensorflow/stream_executor/cuda/cuda_dnn.cc:337] 可能是驱动程序版本不足：418.87.1
2019-11-29 20：59：06.171902：E tensorflow / stream_executor / cuda / cuda_dnn.cc：329]无法创建 cudnn 句柄：CUDNN_STATUS_NOT_INITIALIZED
2019-11-29 20:59:06.171993：E tensorflow/stream_executor/cuda/cuda_dnn.cc:337] 可能是驱动程序版本不足：418.87.1
2019-11-29 20:59:06.172777: W tensorflow/core/common_runtime/base_collective_executor.cc:216] BaseCollectiveExecutor::StartAbort 未知：无法获取卷积算法。这可能是因为 cuDNN 初始化失败，因此请尝试查看上面是否打印了警告日志消息。
[[{{节点顺序/conv2d/Conv2D}}]]
32/50000 [..............................] - ETA：2：43：50回溯（最近一次调用最后一次）：
文件“sample3.py”，第 54 行，位于
验证数据=（测试图像，测试标签）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py”，第 728 行，适合
使用多重处理=使用多重处理）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2.py”，第 324 行，适合
总时期=时期）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2.py”，第 123 行，位于 run_one_epoch 中
batch_outs = 执行函数（迭代器）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2_utils.py”，第 86 行，位于execution_function中
分布式函数（输入函数）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/def_function.py”，第 457 行，位于 __call__
结果 = self._call（*args，**kwds）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/def_function.py”，第 520 行，在 _call 中
返回 self._stateless_fn（*args，**kwds）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/function.py”，第 1823 行，位于 __call__
返回 graph_function._filtered_call（args，kwargs）# pylint：disable=protected-access
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/function.py”，第 1141 行，位于 _filtered_call
自我捕获的输入）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/function.py”，第 1224 行，位于 _call_flat
ctx，args，取消管理器=取消管理器）
文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/function.py”，第 511 行，正在调用
ctx=ctx)
quick_execute 中的文件“/home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/eager/execute.py”，第 67 行
six.raise_from（core._status_to_exception（e.code，message），无）
文件“”，第 3 行，在 raise_from 中
tensorflow.python.framework.errors_impl.UnknownError: 无法获取卷积算法。这可能是因为 cuDNN 初始化失败，因此请尝试查看上面是否打印了警告日志消息。
[[node Sequence/conv2d/Conv2D（定义于 /home/encrypto/venv/lib/python3.7/site-packages/tensorflow_core/python/framework/ops.py:1751）]] [Op:__inference_distributed_function_1055]
函数调用堆栈：
分布式函数
请告诉我该怎么办？
答案1
根据您在终端中收到的消息，即：
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] Found device 0 with properties:
name: GeForce MX150 major: 6 minor: 1 memoryClockRate(GHz): 1.5315
TensorFlow 正在使用您的 Nvidia 显卡。
此外：运行pip freeze（如果您使用的是 Python3，请使用pip3而不是pip）以查看您是否已安装 tensorflow-gpu只有使用 Nvidia 显卡时才会运行。