Saya menjalankan model Keras, dengan batas waktu pengiriman 36 jam, jika saya melatih model saya di cpu akan memakan waktu kurang lebih 50 jam, apakah ada cara untuk menjalankan Keras di gpu?
Saya menggunakan backend Tensorflow dan menjalankannya di notebook Jupyter, tanpa menginstal anaconda.
python
tensorflow
keras
jupyter
Ryan
sumber
sumber
Jawaban:
Ya, Anda dapat menjalankan model keras pada GPU. Beberapa hal yang harus Anda periksa terlebih dahulu.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
ATAU
keluarannya akan menjadi seperti ini:
Setelah semua ini selesai, model Anda akan berjalan di GPU:
Untuk memeriksa apakah keras (> = 2.1.1) menggunakan GPU:
Semua yang terbaik.
sumber
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()
tidak berfungsi di TensorFlow 2.0.Tentu. Saya kira Anda telah menginstal TensorFlow untuk GPU.
Anda perlu menambahkan blok berikut setelah mengimpor keras. Saya sedang mengerjakan mesin yang memiliki 56 core cpu, dan sebuah GPU.
Tentu saja, penggunaan ini memberlakukan batas maksimum mesin saya. Anda dapat menurunkan nilai konsumsi cpu dan gpu.
sumber
module 'tensorflow' has no attribute 'ConfigProto'
2.0 Jawaban yang Kompatibel : Sementara jawaban yang disebutkan di atas menjelaskan secara rinci tentang cara menggunakan GPU pada Model Keras, saya ingin menjelaskan bagaimana hal itu dapat dilakukan
Tensorflow Version 2.0
.Untuk mengetahui berapa banyak GPU yang tersedia, kita dapat menggunakan kode di bawah ini:
Untuk mengetahui perangkat mana yang menetapkan operasi dan tensor Anda, letakkan
tf.debugging.set_log_device_placement(True)
sebagai pernyataan pertama program Anda.Mengaktifkan pencatatan penempatan perangkat menyebabkan semua alokasi atau operasi Tensor dicetak. Misalnya, menjalankan kode di bawah ini:
memberikan Output yang ditunjukkan di bawah ini:
Untuk informasi lebih lanjut, lihat tautan ini
sumber
Tentu saja. jika Anda menjalankan di backend Tensorflow atau CNTk, kode Anda akan berjalan di perangkat GPU Anda secara default. Tetapi jika Theano backend, Anda dapat menggunakan
sumber
Lihat apakah skrip Anda menjalankan GPU di Manajer tugas. Jika tidak, curiga versi CUDA Anda benar untuk versi tensorflow yang Anda gunakan, seperti yang sudah disarankan oleh jawaban lain.
Selain itu, pustaka DNN CUDA yang tepat untuk versi CUDA diperlukan untuk menjalankan GPU dengan tensorflow. Unduh / ekstrak dari sini dan letakkan DLL (mis., Cudnn64_7.dll) ke dalam folder bin CUDA (mis., C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.1 \ bin).
sumber