现在，在每次调用model.predict之前，我想要将数据上传到GPU中，做一些操作，然后使用存储在GPU中的输出调用model.predict，而无需下载到内存并将其移交给keras模型，以便再次上传到gpu。编辑:我想在图形处理器中对输入图像使用opencv操作，如果可
浏览 6提问于2017-02-12得票数 1
我有TF-2.0 Keras风格的模型，使用tf.Model.train() (两个可用的GPU)进行培训，我希望缩小推理时间。我似乎找不到使用tf.Model.predict()方法在GPU之间分发推理的类似策略:当我运行model.predict()时，我(显然)只从这两个GPU中的一个获得使用。有些帖子建议如何在TF1.x
浏览 17提问于2019-11-20得票数 8
1回答
在我的.theanorc文件中，我已经设置了参数...[global]但是，当我使用theano后端运行keras并调用model.predict时，返回的数组的numpy数据类型始终是FP64类型，而不是FP32类型。我不确定这是一个问题，还是keras / theano在GPU上执行之前转换为FP32。有没有办法检
浏览 3提问于2016-06-04得票数 2
我想在我的GPU上运行这个Keras模型，但是它运行在我的cpu上，我用Plaidml来使用我的 GPU，plaidml是正确设置的，它运行在其他的模型上--我想也许我是在导入tensoflow，但我不确定，我需要在GPU上运行这个模型，我有其他不导入tensorflow的模型，它们与Plaidml很好地工作。源代码
from os impo
浏览 6提问于2021-12-05得票数 1
回答已采纳
希望这能澄清这似乎不是CPU vs GPU的问题(如果是的话，我很想解释一下)。
model.fit(X,Y,epochs=20,batch_size=1024) return X
我们可以很容易地验证这些都是相同的功能(模块机器实现中的错误)。argmax(1)
浏览 2提问于2020-07-01得票数 12
回答已采纳
这可能是一个非常基本的tensorflow/keras问题，但我似乎无法在中找到它。我希望检索隐藏层的输出作为数值，以便在以后的计算中使用。这是模型import pandas as pdimport keras
wd = r'/pa
浏览 1提问于2019-01-07得票数 1
回答已采纳
我训练了一个2米参数的CNN，我用Keras的MobileNet进行传输学习，但是我冻结了最后63层，在底部增加了致密层，最后一层有2个单元和Softmax激活。为了进行预测，我加载h5文件并使用OpenCV视频捕获来获取视频帧，对于我使用model.predict(img_array)的每一个帧。当我查看Windows 10的任务管理器时，我看到Python脚本使用了我的处理器的
浏览 2提问于2020-01-27得票数 0
每当我尝试运行这段代码时，它都会显示：第一行返回错误：cv2.putText(copy, getLetter(result), (300 , 100), cv2.FONT_HERSHEY_COMPLEX, 2, (0, 255, 0), 2)
cv2.imshow('frame',
浏览 10提问于2021-08-22得票数 1
我试图在我的per_process_gpu_memory_fraction中输入tf.GPUOptions()值，然后用set_session()更改Keras会话，但是内存分数实际上从未改变。在while循环第一次运行后，将保留319 as，如nvidia-smi中所示，( b)不会在while循环的下一次迭代中上升。，Keras
浏览 2提问于2019-04-03得票数 2
1回答
我正在用Keras和tensorflow后端构建一个CNN模型。我已经训练这个模特6个小时了。现在，我想使用我的模型来预测我的自定义外部图像。在Keras怎么做？谢谢
浏览 4提问于2016-11-02得票数 6
回答已采纳
我有一些预先训练好的二进制Keras模型。在此示例中为3个模型。我试图通过平均这些模型的预测来建立一个集成模型。为了做到这一点，我引用了集成模型中的示例。我的代码如下for i in os.listdir(model_root): # to get all the models in one list models.append(model)
# e
浏览 3提问于2019-08-19得票数 1
1回答
使用Keras进行实时训练和预测
、、、、
我想使用Keras进行实时训练和预测设置。在我的场景中，我通过MQTT获得实时数据，这些数据应该用于训练(LSTM)神经网络和/或将它们应用于以获得预测。我使用的是Tensorflow后端，具有GPU支持和相当强大的GPU容量，但在我的方案中，Keras并没有真正从GPU加速中获益。
浏览 1提问于2016-11-17得票数 5
1回答
我试图在回归模型中查看TensorFlow Keras中测试数据集的MSLE丢失情况。我试着用：tensorflow.python.keras.losses.MeanSquaredLogarithmicError ob
浏览 5提问于2020-01-26得票数 0
回答已采纳
=0.2,random_state=0) with graph.as_default():
prediction = model.predictGPU是2GB大小的。在运行此代码时，nvidia-smi -l 2显示它消耗了1.8GB的GPU。结果得到了100个文件。在任务再次完成后不久，GPU的使用将转到500 to。我在我的系统<e
浏览 0提问于2018-07-26得票数 0
回答已采纳
我的Keras版本是2.0.9，并且使用tensorflow后端。CUDA_VISIBLE_DEVICES=0 python
浏览 1提问于2017-11-03得票数 4
如果使用来自multi_gpu_model的tensorflow.keras.utils，则tensorflow将在所有可用的gpu(例如2)上分配全部内存，但如果监视nvidia，则只使用第一个gpu正如预期的那样，数据由cpu加载，模型在gpu上运行，gpu利用率为97% - 100%：
创建multi_gpu模型
正如multi_<e
浏览 0提问于2019-03-06得票数 0
Keras将数据一批一批地加载到GPU上(作者注意到)。
对于小的数据集，这是非常低效的。有没有办法修改Keras或直接调用Theano函数(在Keras中定义模型之后)，以便提前将所有批处理移动到GPU，并使用GPU内存中已有的批处理完成训练？(几周前，有人在上提出了同样的问题，但到目前为止还没有得到回复。)
浏览 19提问于2016-08-15得票数 6
我使用命令保存了该模型。tf.keras.models.save_model(model, 'model')
现在，我使用我也试过然后我试着预测这给我带来了错误Attri
浏览 12提问于2021-12-29得票数 1
下面是一个与在MLFlow中存储keras模型相关的简化代码段。)但是，假设每个模型都有一个对应的数据预处理函数，需要在预测之前应用于新的数据。processed_data = custom_processing_function(new_data)因
浏览 0提问于2022-05-18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上，不管它是否有GPU，并且可以用来进行预测。如果没有，那么机器学习模型是
浏览 1提问于2020-09-04得票数 1
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
