为什么 Tensorflow-gpu 仍然使用 cpu

我在后端使用带有tensorflow-gpu的Keras，我没有安装tensorflow（CPU版本），所有输出都显示选择了GPU，但tf正在使用CPU和系统内存

当我运行代码时，输​​出是：输出代码

我什至运行了 device_lib.list_local_device() ，输出是：列表本地设备输出

运行代码后，我尝试 nvidia-smi 来查看 GPU 的使用情况，输出为：nvidia-smi 输出

Tensorflow-gpu = "1.12.0"
CUDA toolkit = "9.0"
cuDNN = "7.4.1.5"

环境变量包含：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp;
C:\WINDOWS\system32;
C:\WINDOWS;
C:\WINDOWS\System32\Wbem;
C:\WINDOWS\System32\WindowsPowerShell\v1.0\;
C:\WINDOWS\System32\OpenSSH\;
C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common;
D:\Anaconda3;D:\Anaconda3\Library\mingw-w64\bin
D:\Anaconda3\Library\usr\bin;
D:\Anaconda3\Library\bin;
D:\Anaconda3\Scripts;D:\ffmpeg\bin\;

但是当我在任务管理器中检查内存使用情况时，输出仍然是

CPU 利用率 51%，RAM 利用率 86% GPU 利用率 1%，GPU-RAM 利用率 0%任务管理器输出所以，我认为它仍然使用CPU而不是GPU。

系统配置：

Windows-10 64 bit; IDE: Liclipse; Python: 3.6.5  

正如您在日志中看到的那样，它正在使用 GPU。 问题是，很多事情无法在 GPU 上完成，只要数据很小并且复杂性很低，最终的 GPU 使用率就会很低。

• 也许batch_size太低->增加直到遇到OOM错误
• 您的数据加载消耗了大量时间，并且您的 GPU 必须等待（IO 读取）
• 您的 RAM 太低，应用程序使用磁盘作为后备
• 预处理速度很慢。如果您正在处理图像，请尝试将所有内容作为生成器或在 GPU 上（如果可能）进行计算
• 您正在使用一些未 GPU 加速的操作

Here是一些更详细的解释。