我已經在Linux Ubuntu 16.04上成功安裝了tensorflow（GPU），並做了一些小改動，以便使它能夠與新的Ubuntu LTS版本一起使用。然而，我想（誰知道爲什麼）我的GPU滿足了大於3.5的計算能力的最低要求。情況並非如此，因爲我的GeForce 820M只有2.1。有沒有辦法讓我的GPU能夠運行張量流GPU版本？如何使tensorflow在2.0版本的GPU上運行？
我在問這個問題，因爲顯然沒有辦法使得張量流GPU版本在Ubuntu 16.04上工作，但通過搜索互聯網我發現情況並非如此，並且事實上我使它幾乎工作，如果它不是這個不滿意的需求。現在我想知道這個GPU計算能力問題是否也可以得到解決。
用於訪問GPU的tensorflow的GPU版本requires compute capability 3.0 or higher (and uses cuDNN)。 From here
TensorFlow GPU支持要求擁有NVidia Compute Capability> = 3.0的GPU卡。
cuDNN also requires a GPU of cc3.0 or higher：
cuDNN支持與帕斯卡爾，開普勒，麥克斯韋，Tegra的K1或Tegra的X1的GPU的Windows，Linux和MacOS系統。
cuDNN不支持Fermi GPU（cc2.0，cc2.1）。
cuDNN也不支持較舊的GPU（例如計算能力1.x）。
請注意，從來沒有 cuDNN版本或正式支持小於cc3.0的NVIDIA GPU的任何版本的TF。 cuDNN的初始版本首先需要cc3.0 GPU，而最初版本的TF則是通過需要cc3.0 GPU開始的。
現在我想知道爲什麼我能夠使用cuDNN在GPU上運行mxnet，儘管...原則上，您甚至無法在最後一個Ubuntu LTS上安裝tensorflow GPU .. – mickkk
cuDNN無法在cc2.1 GPU上運行。也許mxnet有一個不需要cuDNN的啓用gpu的路徑。這似乎是[這裏]的情況（http://mxnet.readthedocs.io/en/latest/how_to/build.html）。請注意，GPU支持要求cc2.0及更高版本，但它使用「CUDNN **加速** GPU計算」。 –
Sep.2017更新：沒有辦法沒有問題和痛苦。我嘗試了所有的方法，甚至在低於技巧的情況下強制運行，但最後我不得不放棄。 如果您認真對待Tensorflow，請繼續購買3.0計算能力的GPU。
這是一招，迫使2.0計算能力的GPU tensorflow運行（不正式）：
使用用記事本++或類似的東西
搜索的3\.5.*5\.2第一次出現打開它的正則表達式
你看，3.0之前3.5 * 5.2，將其更改爲2.0
我改變了上面的方法，可以用GPU做簡單的計算，但是在嘗試實際項目時遇到奇怪和未知的問題（這些項目運行良好，具有3.0計算能力GPU）
我強烈建議不要這樣做。在GeForce 800M筆記本電腦上使用我的筆記本電腦後，不正確的結果。 –
是的，很難找出答案。我的GPU也被發現使用錯誤的複雜模型（奇怪的錯誤），而同一模型（相同的代碼），它可以平滑運行與GPU 3.0 –
謝謝你們在上面的實驗中報告問題。它可以幫助我簡單地讓它走，並明白如果我想運行TF，我必須獲得新的GPU。 :) @TinLuu，請考慮編輯您的答案以反映問題，以便其他可能跳過這些評論的人也不會這樣做！ – mayank
我擡起頭那GPU，它看起來很弱。如果我是你，我只會使用CPU tensorflow，因爲我不認爲會有很大的性能差異。甚至可能會更快。 – chasep255
@ chasep255我能夠在GPU（Python）上使用mxnet。它跑得快一點。是的差別不是很大，但是當運行很多時代時，即使有一點差異也可以提供幫助。如果將軟件包適配到我的機器上並不需要很多努力，我想我可以試試看。 – mickkk
@mickkk我注意到張量流也支持opencl ...不知道這是否可以用作替代。現在就試着去建造它。如果工作正常，會報告回來。 –