tensorflow - 如何使用 GPU 构建 Keras (TF) 模型?
问题描述
这个问题非常简单,但没有真正得到答案。
很简单,我怎么知道当我通过 Keras 在 tensorflow 中构建 Sequential() 模型时,它会使用我的 GPU?
- 通常,在 Torch 中,只需使用“设备”参数即可轻松通过 nvidia-smi 波动率指标进行验证。我在 TF 中构建模型时尝试过,但 nvidia-smi 显示所有 GPU 设备的使用率为 0%。
解决方案
默认情况下,Tensorflow 使用 GPU 进行大部分操作
- 它检测到至少一个 GPU
- 它的 GPU 支持已正确安装和配置。有关如何正确安装和配置它以支持 GPU 的信息:https ://www.tensorflow.org/install/gpu
要强调的要求之一是必须安装特定版本的 CUDA 库。例如,Tensorflow 2.5 需要 CUDA 11.2。在此处查看每个 TF 版本所需的 CUDA 版本。
要知道它是否检测到 GPU 设备:
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
它还会默认将调试消息打印到 stderr 以指示 GPU 支持是否配置正确以及是否检测到 GPU 设备。
要验证nvidia-smi
它确实在使用 GPU:
你必须定义一个足够深和复杂的神经网络模型,这样瓶颈就在 GPU 端。这可以通过增加层数和每层中的通道数来实现。
model.fit()
在对和等模型进行训练或推理时,model.evaluate()
日志记录中的 GPU 利用率nvidia-smi
应该很高。
要确切知道每个操作将在哪里执行,您可以在代码的开头添加以下行
tf.debugging.set_log_device_placement(True)
推荐阅读
- javascript - REACT NATIVE [TypeError: undefined is not an object (evalating 'item.type.displayName')]
- android - 如何迭代地图
- android - 是否可以将视图移动到 LinearLayout 的最左下角?
- javascript - 如何根据 vue.js 中的父项选择 json 项
- multimarkdown - 链接到 multimarkdown 文件中的任意位置
- node.js - for 循环内的异步承诺 for 循环内
- mysql - mysql ERROR 1064 (42000): 你的 SQL 语法有错误;
- elasticsearch - 弹性搜索找不到 JAVA_HOME
- python - Discord Bot youtube_dl 和 discord[voice] 上的 Heroku 错误
- jquery - jquery中用逗号分隔的多个列表项