上运行它时，它工作得很好，但它需要很多时间来训练。因此，我想使用我的GPU RTX 3070而不是CPU。但是当我在GPU上运行相同的代码时，我得到的结果是： 2/20 [==>...........................] - ETA: 1s - loss: nan - accuracy- val_<em
浏览 45提问于2020-11-13得票数 1
1回答
在编译/培训之后，Keras模型工作得非常好：array([[5.28525668e-10, 3.66615766e-12, 2.76005746e/model")>>> model.predict(values)
array([[nan, nan
浏览 3提问于2021-11-12得票数 1
回答已采纳
1回答
甚至在我尝试拟合之前，它们中的一些已经损失为0(或2.79e-7)，但没有任何真正的一致性。有时第一个模型会有这个问题，有时第三个。我甚至尝试过在发生这种情况时重新生成数据和模型，但当我这样做时，出现loss==0问题的可能性似乎会上升。输入数据的格式为[[5,7,3...]...]在我通过keras.utils.to_categorical运行它们之前，标签是相同的，现在是1热。我相当确定输入和标
浏览 3提问于2018-08-30得票数 0
1回答
当我这样做时，我得到了一个错误，因为拟合阶段将NaN作为损失。更奇怪的是，当我运行它时，它开始给出损失的实际值，然后到达一个点，它再次开始返回NaN。我的模型：from tensorflow import keras
浏览 4提问于2021-04-28得票数 0
1回答
我想知道设置创建/训练模型的设备以优化资源使用的正确方法是什么，以便使用Keras在TensorFlow中进行快速培训？我有1个CPU和2个GPU可供我使用。最初，我使用tf.device上下文来创建模型并仅在CPU上进行培训，但后来我在TensorFlow文档中看到了，它们建议在CPU上显式实例化模型</em
浏览 3提问于2019-11-27得票数 1
回答已采纳
1回答
我有一个简单的线性回归模型，其中自变量是年份(1970年至今)。当我将输入数据集中在零(即从x中减去平均值)时，我的模型运行得很好，得到了最佳拟合线。但是如果我不把数据集中起来，这个模型就会有无限的损失： tf.keras.layers.Input(shape=(1,)we no longer get nan\inf
浏览 2提问于2021-01-30得票数 0
回答已采纳
我目前正在学习Keras。我的问题是，如果我在一个像RTX泰坦这样的高端GPU上训练一个模型，我能否导出这个模型，将它加载到另一个低端机器上的一个新程序中，然后只使用CPU进行预测。这有可能吗？理论上，我认为这就是机器学习的方式。该模型是在高端GPU上训练的，一旦导出，它就可以加载到任何机器<
浏览 1提问于2020-09-04得票数 1
回答已采纳
我正在为Jupyter Notebook上的两个不同的应用程序训练Keras CNN模型。考虑到我想充分利用PC的资源，我可以在一台笔记本电脑和另一台使用CPU的笔记本电脑中使用Keras-GPU吗？我了解到Keras默认使用GPU --如果有的话--我可以强制Keras使用CPU</
浏览 15提问于2019-11-06得票数 1
回答已采纳
我有cuda8.0.61，tensorflow_gpu版本和keras。我在224*224图像数据上训练一个20层的keras模型当我在终端上运行nvidia -smi时，我发现内存正在耗尽，并且计算util的百分比更小。当我尝试拟合模型时，机器变得非常慢。我知道，为了使用gpu并在设备之间切换，我应该使用以下代码： with K.tf.device('
浏览 18提问于2019-02-08得票数 1
1回答
我有运行在GPU上的tensorflow后端的keras。然而，我正在训练一个LSTM，所以我在CPU上训练。经过一些计时测试后，我相信正在发生的事情是，加载的模型是在GPU上运行，而不是在CPU上运行，所以它很慢。我试着在CPU上编译加载的</em
浏览 0提问于2018-09-22得票数 7
回答已采纳
我正在尝试让我的模型在GPU上进行训练，但这样做似乎有问题。我的操作系统是Windows 10 我正在运行Python 3.8 我使用pip3.8安装了tensorflow-gpu==2.2.0rc3 我遵循了https://www.tensorflow.org/install/gpu上的说明，现在有了最新的Nvidia驱动程序(类似于455)，CUDA10.
浏览 22提问于2020-04-28得票数 0
回答已采纳
2回答
我想比较使用gpu和不使用gpu时代码的处理时间。我的keras后端是Tensorflow。所以它会自动使用GPU。我使用keras/examples/mnist_mlp.py模型进行比较。那么，如何禁用我的GPU呢？是否应该修改~/.keras/keras.json？$
浏览 0提问于2017-03-28得票数 10
回答已采纳
我在python(使用numPy)中从头开始编写了一个深度学习模型，而不使用任何框架，比如keras或tensorflow。到目前为止，我的模型工作良好，但它运行在CPU上。我应该如何修改代码以便在GPU上运行它呢？
浏览 0提问于2020-07-05得票数 -1
回答已采纳
2回答
我在Linux中拥有TensorFlow，NVIDIA (CUDA)/CPU，Keras &Python3.7。上运行我的Keras模型。当我运行我的模型并得到$ nvidia-smi -l 1时，在运行期间GPU的使用率几乎是%0。optimizer="adam", metrics=['mean_
浏览 10提问于2021-03-06得票数 3
回答已采纳
我正在使用Keras和tensorflow后端来训练一个有多个输出但只有一个损失的模型(输出层“部件”上的MSE)。= keras.utils.multi_gpu_model(model, gpus=2, cpu_merge=True, cpu_relocation=False)
losses = {'parts': keras.losses.mean_squared_error
浏览 21提问于2019-09-12得票数 2
回答已采纳
4回答
Keras中的多GPU
、、、、
我们如何在Keras库(或TensorFlow)中编程，在多个GPU上分区培训？假设您是在一个拥有8个GPU的Amazon实例中，您希望使用它们来进行更快的训练，但是您的代码只用于一个CPU或GPU。
浏览 0提问于2017-10-18得票数 43
回答已采纳
我在使用Tensorflow后端的Keras时遇到了问题。我试图在没有顶层的情况下训练一个keras.applications.VGG16模型，用两个密集的层(1024和2个节点)代替它们来解决二进制分类问题。我正在一个NVidia Geforce GTX 1050和2GB专用的VRAM中训练这个模型。GPU devices compatible with node training/SGD/gr
浏览 0提问于2018-03-14得票数 1
回答已采纳
在高级深度学习库Keras中，有多种类型的递归层，包括LSTM (长时记忆)和CuDNNLSTM。根据，CuDNNLSTM是一个：
必须在您<
浏览 2提问于2018-04-23得票数 52
1回答
我试图使用Python3.7.9中的Keras (Tensorflow 2.8.0)在Spyder 5.2.2上训练一个简单的卷积网络。当我使用CPU的时候，这个模型运行得很好，但是训练很慢。所以我决定尝试在我的GPU (GeForce GTX1050Ti)上运行它。=’CPU‘)，PhysicalDevice(名称=’物理_设
浏览 4提问于2022-03-17得票数 2
我在Google上用Keras做了小模型。当我在TPU上运行学习时，我看到了错误的度量标准。但是，在我将运行时类型更改为TPU之后，m1和m2是不正确的，并且看起来是这些值的平均值。CPU/GPU结果
浏览 0提问于2019-06-11得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
