我正在運行Keras模型,提交截止時間爲36小時,如果我在cpu上訓練模型需要大約50個小時,有沒有辦法在GPU上運行Keras?我可以在gpu上運行Keras模型嗎?
我使用Tensorflow後端,並在我的Jupyter筆記本上運行,沒有安裝anaconda。
我正在運行Keras模型,提交截止時間爲36小時,如果我在cpu上訓練模型需要大約50個小時,有沒有辦法在GPU上運行Keras?我可以在gpu上運行Keras模型嗎?
我使用Tensorflow後端,並在我的Jupyter筆記本上運行,沒有安裝anaconda。
是的,你可以在GPU上運行keras模型。幾件事你必須先檢查。
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
或
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
輸出將是這樣的:
[
name: "/cpu:0"device_type: "CPU",
name: "/gpu:0"device_type: "GPU"
]
一旦完成所有這些模型中,如果您啓用GPU的GPU上運行。祝一切順利。
當然。我想你已經爲GPU安裝了TensorFlow。
您需要在導入keras後添加以下塊。我正在研究一臺擁有56個核心cpu和一個gpu的機器。
import keras
config = tf.ConfigProto(device_count = {'GPU': 1 , 'CPU': 56})
sess = tf.Session(config=config)
keras.backend.set_session(sess)
當然,這種用法強制我的機器的最大限制。您可以減少cpu和gpu消耗值。
我將不得不安裝python 3.5這個權利?否則tensorflow將無法正常工作? – Ryan
沒有必要。 TF可以使用2.7和3.5。選擇正確版本的TF就是了。 –
好吧,生病了2.7,與安裝havig問題3.5 – Ryan