python - 使用和不使用 GPU 进行编程的语法差异?
问题描述
我是深度学习的新手。我试图在 CPU 上运行 python 的深度学习代码,它工作正常,但相同的代码在带有 gpu 的 tensorflow 上不起作用。使用 GPU 是否有深度学习的语法差异。如果语法不同,那么任何开始的材料都会有所帮助,谢谢。下面是在 CPU 上运行以进行二进制分类的简单代码,如果我想在 GPU 上运行它,我应该进行哪些必要的更改?
# Importing the Keras libraries and packages
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
# Initialising the CNN
classifier = Sequential()
# Step 1 - Convolution
classifier.add(Convolution2D(32, (3, 3), input_shape = (64, 64, 3),dilation_rate=(1,1), activation = 'relu', ))
classifier.add(Convolution2D(32, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
classifier.add(Convolution2D(32, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
#classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(1,1), activation = 'relu', ))
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(1,1), activation = 'relu', ))
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(1,1), activation = 'relu', ))
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
'''
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(1,1), activation = 'relu', ))
#classifier.add(Convolution2D(512, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
#classifier.add(Convolution2D(512, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
classifier.add(Convolution2D(512, (3, 3),dilation_rate=(1,1), activation = 'relu', ))
#classifier.add(Convolution2D(1024, (3, 3),dilation_rate=(2,2), activation = 'relu', ))
#classifier.add(Convolution2D(1024, (3, 3),dilation_rate=(4,4), activation = 'relu', ))
'''
# Step 3 - Flattening
classifier.add(Flatten())
# Step 4 - Full connection
classifier.add(Dense(units = 256, activation = 'relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))
# Compiling the CNN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
# Part 2 - Fitting the CNN to the images
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale = 1./255,
featurewise_center=True,
featurewise_std_normalization=True,
rotation_range=20,
width_shift_range=0.05,
height_shift_range=0.05,
shear_range = 0.05,
zoom_range = 0.05,
horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('Data_base/Processing_Data/Training',
target_size = (64, 64),
batch_size = 20,
class_mode = 'binary')
test_set = test_datagen.flow_from_directory('Data_base/Processing_Data/Test',
target_size = (64, 64),
batch_size = 6,
class_mode = 'binary')
classifier.fit_generator(training_set,
samples_per_epoch =44 ,
nb_epoch = 20,
validation_data = test_set,
nb_val_samples =6 )
classifier.save_weights('first_try.h5')
解决方案
您根本不需要对代码进行任何更改。
首先,如果您想使用 GPU,请确保您安装了 CUDA 和 cuDNN。您需要的版本取决于您的 GPU 和 TensorFlow 版本。有几个教程。
其次,不要在同一环境中安装 tensorflow 和 tensorflow-gpu。至少对我来说,这导致了一些奇怪的错误。(我不知道这是否已经修复。)
推荐阅读
- hyperledger-fabric - 当标识符为 userId 时,如何通过电子邮件 ID 从注册表中获取参与者
- integration-testing - 测试之间的相同实例
- websphere-liberty - Websphere Liberty 配置文件部署错误
- firebase - 我的 Firebase 云功能可以利用吗?
- node.js - 我如何为反应和节点应用程序设置 VS Code 调试器
- entity-framework-core - 多对多关系返回对象 null 但正确的 id
- gimp - GIMP中的高斯模糊脚本
- angular - 在 Angular 7 中解析 HTTP 响应?
- excel - 查找和替换
- python - 如何在 Django Python 文件中加载静态文件