keras - 如何让 Kera 使用超过 1 个核心?
问题描述
我读过 keras 自动支持 2.2.4+ 的多个内核,但我的工作只作为单线程运行
这是我的代码片段
import numpy as np
import tensorflow as tf
from tensorflow import keras
epochs_ = 1000
batch_size_ = 150
np.random.seed(42)
tf.random.set_seed(42)
from keras.layers import Dense, SimpleRNN, GRU, LSTM
from keras.optimizers import SGD
#simple RNN
data_ = Lagged_Set
model6 = keras.models.Sequential([
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True, input_shape=[None, len(data_.columns)]),
keras.layers.SimpleRNN(32, return_sequences=True),
keras.layers.TimeDistributed(keras.layers.Dense(n_ahead))
])
model6.compile(loss="MAPE", optimizer="rmsprop",metrics=['MAPE'])
history = model6.fit(X_train, Y_train, epochs=epochs_,batch_size=batch_size_,validation_data=(X_valid, Y_valid))
我试过这个什么都没做
session_conf = tf.compat.v1.ConfigProto(intra_op_parallelism_threads=8, inter_op_parallelism_threads=8)
#tf.compat.v1.ConfigProto.set_random_seed(1)
sess = tf.compat.v1.Session(graph=tf.compat.v1.get_default_graph(), config=session_conf)
tf.compat.v1.keras.backend.set_session(sess)
解决方案
推荐阅读
- ssas - 设计一个立方体
- arrays - 通过匹配另一个数组中元素的属性从数组中删除元素
- javascript - 大 O 表示法 - 这是 O(n) 还是 O(n2)?
- javascript - 将 FormData 中的多个 JSON 列表和图像发送到 C#
- latex - Overleaf - 只为第一页(而不是所有页面)设置页眉
- autotools - 什么是自动工具中的缓存变量?
- javascript - 将 Twitter Streaming API 连接到客户端
- c# - 当前上下文中不存在交互c#文本框
- mysql - 如何对重复的行进行分组并计算它们?
- c++ - 带有 GCC 的代码块上的代码块 C++ 编译错误