我已经在Linux Ubuntu 16.04上成功安装了tensorflow（GPU），并做了一些小改动，以便使它能够与新的Ubuntu LTS版本一起使用。然而，我想（谁知道为什么）我的GPU满足了大于3.5的计算能力的最低要求。情况并非如此，因为我的GeForce 820M只有2.1。有没有办法让我的GPU能够运行张量流GPU版本？如何使tensorflow在2.0版本的GPU上运行？
我在问这个问题，因为显然没有办法使得张量流GPU版本在Ubuntu 16.04上工作，但通过搜索互联网我发现情况并非如此，并且事实上我使它几乎工作，如果它不是这个不满意的需求。现在我想知道这个GPU计算能力问题是否也可以得到解决。
用于访问GPU的tensorflow的GPU版本requires compute capability 3.0 or higher (and uses cuDNN)。 From here
TensorFlow GPU支持要求拥有NVidia Compute Capability> = 3.0的GPU卡。
cuDNN also requires a GPU of cc3.0 or higher：
cuDNN支持与帕斯卡尔，开普勒，麦克斯韦，Tegra的K1或Tegra的X1的GPU的Windows，Linux和MacOS系统。
cuDNN不支持Fermi GPU（cc2.0，cc2.1）。
cuDNN也不支持较旧的GPU（例如计算能力1.x）。
请注意，从来没有 cuDNN版本或正式支持小于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则是通过需要cc3.0 GPU开始的。
现在我想知道为什么我能够使用cuDNN在GPU上运行mxnet，尽管...原则上，您甚至无法在最后一个Ubuntu LTS上安装tensorflow GPU .. – mickkk
cuDNN无法在cc2.1 GPU上运行。也许mxnet有一个不需要cuDNN的启用gpu的路径。这似乎是[这里]的情况（http://mxnet.readthedocs.io/en/latest/how_to/build.html）。请注意，GPU支持要求cc2.0及更高版本，但它使用“CUDNN **加速** GPU计算”。 –
Sep.2017更新：没有办法没有问题和痛苦。我尝试了所有的方法，甚至在低于技巧的情况下强制运行，但最后我不得不放弃。 如果您认真对待Tensorflow，请继续购买3.0计算能力的GPU。
这是一招，迫使2.0计算能力的GPU tensorflow运行（不正式）：
使用用记事本++或类似的东西
搜索的3\.5.*5\.2第一次出现打开它的正则表达式
你看，3.0之前3.5 * 5.2，将其更改为2.0
我改变了上面的方法，可以用GPU做简单的计算，但是在尝试实际项目时遇到奇怪和未知的问题（这些项目运行良好，具有3.0计算能力GPU）
我强烈建议不要这样做。在GeForce 800M笔记本电脑上使用我的笔记本电脑后，不正确的结果。 –
是的，很难找出答案。我的GPU也被发现使用错误的复杂模型（奇怪的错误），而同一模型（相同的代码），它可以平滑运行与GPU 3.0 –
谢谢你们在上面的实验中报告问题。它可以帮助我简单地让它走，并明白如果我想运行TF，我必须获得新的GPU。 :) @TinLuu，请考虑编辑您的答案以反映问题，以便其他可能跳过这些评论的人也不会这样做！ – mayank
我抬起头那GPU，它看起来很弱。如果我是你，我只会使用CPU tensorflow，因为我不认为会有很大的性能差异。甚至可能会更快。 – chasep255
@ chasep255我能够在GPU（Python）上使用mxnet。它跑得快一点。是的差别不是很大，但是当运行很多时代时，即使有一点差异也可以提供帮助。如果将软件包适配到我的机器上并不需要很多努力，我想我可以试试看。 – mickkk
@mickkk我注意到张量流也支持opencl ...不知道这是否可以用作替代。现在就试着去建造它。如果工作正常，会报告回来。 –