在训练了这个神经网络之后，我对它进行了扩充，以使用预测以及之前的数据来预测未来的另一个时间步长，依此类推，持续一定数量的时间步长。我已经添加了一张这是什么样子的图形，。基本上，我使用之前的数据(大小为N个时间步长乘以M个输入)来预测一个步骤，然后将此预测添加到输入的末尾，并删除输入的第一个时间步长(以保持大小N x M)，然后再次训练下一个时间步长，直到我有P个未来预测可以与测量数据进行比较我在某处读到这可能是由于L
浏览 4提问于2017-08-02得票数 0
回答已采纳
我们正试图识别数字的车牌，给出它的图片。我们已经训练了基于单个gpu的数据集。是否可以在不修改模型的情况下评估多个gpus上的数据？我们使用Tensorflow库进行培训和评估。
浏览 0提问于2018-08-07得票数 0
回答已采纳
我以Tensorflow Estimator格式实现GAN。下面是完整的代码。2018-12-03 02:19:06.956790: I tensorflow/core/common_runtime/gpu/gp
浏览 1提问于2018-12-03得票数 0
问题def build_estimator(model_dir, config):
如果我使用本地gcloud命令运行它
浏览 4提问于2020-06-12得票数 3
回答已采纳
我正在使用Google Cloud ML Engine与tensorflow.contrib.learn.Experiment一起训练模型。默认情况下，tensorflow似乎让主服务器运行评估。我只在训练完成后才运行evals (min_eval_frequency=0)，而且我的主人有大量的内核和内存，但没有GPU (所以eval相对于P100工人来说非常慢)。
浏览 6提问于2017-11-29得票数 0
1回答
当我训练和评估AWS GPU与本地CPU的模型时，我一直看到更高的验证损失。请参阅下面的截图，比较GPU与CPU损失的对应步骤。📷
浏览 0提问于2018-10-22得票数 0
我尝试了许多不同硬件能力的PC安装在gpu上的tensorflow，它们要么是不兼容的，要么是兼容的，但在某种程度上被卡住了。我想知道安装tensorflow-gpu所需的最低硬件。4GB的gpu是否足以训练数据集？？8 GB的内存足够训练和评估数据集吗?？非常感谢。
浏览 1提问于2019-04-11得票数 0
回答已采纳
1回答
我正在使用现有的模型来训练一个基于Tensorflow和Keras的CRNN模型。我正在使用anaconda-navigator来训练模型。在训练模型时，它似乎没有使用GPU，因为我的GPU使用率为5-6%。我附加了顶级-i命令Nvidia Xserver的图像，而且我的gpu没有被Tensorflow拾取，因为tf.test.gpu_devic
浏览 20提问于2021-01-08得票数 1
我安装了TensorFlow1.4GPU版本。它成功地检测到了我的GPU，并在训练和评估过程中使用了它。我有4 4Gb内存的GeForce 1050Ti。但我无法达到高于12-15%的GPU负载(更常见的是5-6%)。同时，我得到了高CPU负载和相当慢的训练过程。我用普通的Tensorflow和以TF为后端的Keras测试了许多
浏览 0提问于2018-01-05得票数 1
我正在尝试使用TensorFlow对象检测应用编程接口执行多GPU训练。 我在我的NVIDIA-SMI中看到的是，实际上只有1个GPU被使用。提供的其他3个GPU加载了GPU进程，但内存使用率为300MB，利用率始终为0% 我使用在COCO上预先训练的基于固态硬盘MobileNetV1的网络，然后用我的自定义数据集对其进行训练。
浏览 49提问于2019-10-09得票数 3
我正在运行Tensorflow对象检测API来使用object_detection/train.py脚本来训练我自己的检测器，found 。我发现了一些减少批处理大小的建议，这样培训师消耗的内存就更少了，但是我从16减少到了4，而且我仍然会遇到同样的错误。不同的是，在使用batch_size=16时，在步骤~18中抛出错误，现在在步骤~70中抛出错误。编辑：设置batch_size=1没有解决这个问题，因为我仍然在步骤2700时得到了错误。在我停止训练
浏览 6提问于2017-11-27得票数 2
回答已采纳
1回答
我们需要使用TensorFlow来训练大型网络，这需要几天才能在GPU上完成。亚马逊提供像p2.16xlarge这样的GPU实例，例如16个GPU (NVIDIA K80)。现在我在想，TensorFlow是否高效地利用了多个GPU，还是使用一个带有一个泰坦X的桌面就像我一样快？
这些GPU实例非常昂贵，因此我希望自己构建一台机器(基于Linux)。SLI似乎没有与CUDA一起工作
浏览 0提问于2017-01-13得票数 0
1回答
我想知道使用GPU是否会有效，如果我使用的政策(如PPO) RL作为模型？我最近训练了一个模型，GPU的利用率约为2%。
浏览 0提问于2021-10-13得票数 1
回答已采纳
我们使用以下硬件配置使用tensorflow运行多个GPU训练：cuda 88 titan X pascal训练代码基于tensorflow/models github存储库中发布的slim。如果我们不使用所有的GPU(最多4个，经过测试)，我们就能够运行训练代码。但是，一旦我们用完了所有8个GPU，计算机就会崩溃。
这可能
浏览 1提问于2016-12-15得票数 1
1回答
仅用CPU训练神经网络
、、、
我正在远程服务器上的虚拟机上工作，我想在它上训练一个神经网络，但是我在这个VM中没有GPU。是否可以仅使用CPU在此VM上训练网络？如果是这样的话，它是否适用于大型数据集，还是会成为一个问题？
浏览 1提问于2019-02-27得票数 0
我正在用8个gpus在超级计算机上运行我的代码。虽然，我分配了8个gpus，但其中一个刚刚被占用。我在网站上看到了一些注释，似乎Tensorflow会自动使用gpu，如果它是适用的，但我仍然不知道如何使用所有的gpu。代码只是一个深网络，需要使用model.fit()进行训练，然后使用model.predict()来预测测试数据。
浏览 0提问于2021-03-06得票数 2
2回答
你知道如何在GPU上运行吗？我是否应该更改任何函数或进行任何修改？或者是否存在用于在GPU上进行评估的其他特定函数？我已经可以在GPU上运行了，因为有了在CPU和GPU之间切换的相关标志：
tf.app.flags.DEFINE_boolean('clone_on_cpu', False,我确实尝试将同样的代码行添加到eval_image_classifier.py中，但没有任何效果。我使用的是Python 2.7
浏览 8提问于2017-10-29得票数 1
该模型将经历训练、评估、测试和交互4个过程。我使用以下方法启动docker：训练的过程很长，所以我关闭了终端，让docker在服务器上运行。docker attach tensorflow
浏览 22提问于2019-11-01得票数 1
回答已采纳
3回答
对于我来说，gpu上的Tensorflow第一个天真的问题是，假设我可以使用gpu (NVGTX1660ti)来运行tensorflow操作，而它同时运行我的监视器，这是正确的吗？只有一个gpu卡在我的个人电脑，假设它可以同时做，还是我需要一个专门的gpu为tensorflow，这是没有连接到任何显示器？所有在ubuntu 21.10上，都设置了nvidia-工具箱，cudnn，<
浏览 32提问于2022-03-19得票数 0
回答已采纳
我在GPU上训练了一个模型，现在我正试图在CPU上对其进行评估(GPU正用于不同的训练运行)。/resnet50_untrained.h5', compile=False) 我要买一台CUDA_ERROR_OUT_OF_MEMORY 2019-10-17 09:25:23.088408: W tensorflowCUDA_ERROR_OUT_OF_MEMORY: out of memory; total memory reported: 798169
浏览 33提问于2019-10-17得票数 2
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
