Używam modelu Keras, z terminem składania 36 godzin, jeśli trenuję mój model na procesorze, zajmie to około 50 godzin, czy jest sposób, aby uruchomić Keras na GPU?
Używam zaplecza Tensorflow i uruchamiam go na moim notebooku Jupyter bez zainstalowanej anakondy.
python
tensorflow
keras
jupyter
Ryan
źródło
źródło
Odpowiedzi:
Tak, możesz uruchamiać modele keras na GPU. Kilka rzeczy, które będziesz musiał najpierw sprawdzić.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
LUB
wynik będzie wyglądał mniej więcej tak:
Gdy to wszystko zostanie zrobione, Twój model będzie działał na GPU:
Aby sprawdzić, czy keras (> = 2.1.1) korzysta z GPU:
Wszystkiego najlepszego.
źródło
Could not find any downloads that satisfy the requirement tensorflow in /usr/local/lib/python2.7/dist-packages Downloading/unpacking tensorflow Cleaning up... No distributions at all found for tensorflow in /usr/local/lib/python2.7/dist-packages Storing debug log for failure in /home/hyperworks/.pip/pip.log
K.tensorflow_backend._get_available_gpus()
nie działa w TensorFlow 2.0.Pewnie. Przypuszczam, że już zainstalowałeś TensorFlow dla GPU.
Musisz dodać następujący blok po zaimportowaniu keras. Pracuję na maszynie, która ma 56 rdzeni procesora i procesor graficzny.
Oczywiście to użycie wymusza maksymalne limity na moich komputerach. Możesz zmniejszyć wartości zużycia procesora i procesora graficznego.
źródło
module 'tensorflow' has no attribute 'ConfigProto'
Zgodna odpowiedź 2.0 : Chociaż powyższa odpowiedź wyjaśnia szczegółowo, jak używać GPU w modelu Keras, chcę wyjaśnić, jak można to zrobić
Tensorflow Version 2.0
.Aby dowiedzieć się, ile procesorów graficznych jest dostępnych, możemy skorzystać z poniższego kodu:
Aby dowiedzieć się, do jakich urządzeń są przypisane twoje operacje i tensory, wstaw
tf.debugging.set_log_device_placement(True)
jako pierwszą instrukcję programu.Włączenie rejestrowania rozmieszczenia urządzeń powoduje wydrukowanie wszelkich alokacji lub operacji Tensora. Na przykład uruchomienie poniższego kodu:
daje wynik pokazany poniżej:
Aby uzyskać więcej informacji, skorzystaj z tego łącza
źródło
Oczywiście. jeśli korzystasz z backendów Tensorflow lub CNTk, Twój kod będzie domyślnie działał na urządzeniach GPU, ale jeśli korzystasz z zaplecza Theano, możesz użyć następujących
źródło
Sprawdź, czy Twój skrypt działa na GPU w Menedżerze zadań. Jeśli nie, podejrzewaj, że Twoja wersja CUDA jest odpowiednia dla używanej wersji tensorflow, jak sugerowały już inne odpowiedzi.
Ponadto do uruchomienia GPU z tensorflow wymagana jest odpowiednia biblioteka CUDA DNN dla wersji CUDA. Pobierz / wyodrębnij go stąd i umieść DLL (np. Cudnn64_7.dll) w folderze bin CUDA (np. C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.1 \ bin).
źródło