1回答
如何在GPU上运行Keras？
、、、、
我试图使用GPU在远程服务器上运行我的ML任务。我打字
nvidia
我确信这个设备有一个GPU。
我正在使用Keras编写我的ML任务。我打算在一个GPU上执行我的任务。但我就是不能让这个程序在GPU上运行。我已经检查了正在运行的进程，我的任务不是其中之一。
我试图在代码中使用多种方法打印出可用的设备，但它们没有显示我有GPU。
从tensorflow.python.client导入device_lib
打印(device_lib.list_local_devices())
这给了我：
[名称："/device:CPU:0“device_type："CPU”
浏览 5提问于2022-06-15得票数 0
我正在使用的代码如下所示，第一个块运行良好，没有问题：
import tensorflow as tf
data = tf.keras.datasets.fashion_mnist
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
if(logs.get('accuracy')>0.99):
print("\nReached 99% accuracy so cancelling training!")
浏览 10提问于2022-09-10得票数 1
回答已采纳
在TensorFlow的Dataset API中，我们可以在GPU处理当前批次的数据时使用dataset.prefetch(buffer_size=xxx)预加载其他批次的数据，因此可以充分利用GPU。
我打算使用Keras，不知道keras是否有类似的API让我可以充分利用图形处理器，而不是串行执行: read batch 0->process batch 0->read batch 1-> process batch 1-> ...
我简单浏览了一下keras应用程序接口，没有看到预取的描述。
浏览 14提问于2018-09-05得票数 13
我正在尝试编写自己的神经网络来检测特定的手势，遵循从https://www.kaggle.com/benenharrington/hand-gesture-recognition-database-with-cnn/execution找到的代码。 model.add(layers.Conv2D(32, (5, 5), strides=(2, 2), activation='relu', input_shape=(200, 200,1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (
浏览 469提问于2021-05-02得票数 0
回答已采纳
我正在设置我的计算机使用GPU运行DL，但是我找不到关于是否应该安装keras或keras-gpu的信息。目前，我使用tensorflow-gpu作为后端，在conda和keras上运行它。如果我将keras切换到keras-gpu，会有什么不同？
浏览 2提问于2018-10-25得票数 4
这与有关，但我不需要使用多个GPU，而是希望指定特定模型在哪个GPU上训练或运行。
我的nvidia-smi输出如下：
+------------------------------------------------------+
| NVIDIA-SMI 361.42 Driver Version: 361.42 |
|-------------------------------+----------------------+----------------------+
浏览 8提问于2016-08-12得票数 4
回答已采纳
我正在尝试使用Keras和RetinaNet训练M-RCNN，就像Keras创始人的例子一样。我安装了retinanet包，但是找不到这个模块。可能是因为我的TF没有使用GPU吧？如何检查呢？ from keras_retinanet.utils.gpu import setup_gpu
Traceback (most recent call last):
File "<ipython-input-2-1f3ae263a7c6>", line 1, in <module>
from keras_retinanet.
浏览 24提问于2020-01-01得票数 1
我有一个带有4个Nvidia K80 GPU的盒子。我正在运行Tensorflow 2。当我运行一个培训会话(tf.keras => model.fit())时，我会看到以下日志语句：
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1102] Device interconnect StreamExecutor with strength 1 edge matrix:
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1108] 0 1 2 3
I tensorflow/
浏览 2提问于2020-06-14得票数 1
回答已采纳
我在ubuntu 16.04上安装了tensorflow-gpu 1.2.1和keras。
我无法执行以下操作：
from kears.utils import multi_gpu_model
有没有人像他们文档的常见问题部分中描述的那样成功地使用了multi_gpu_model？
我有一个4GPU机与4个GeForce GTX1080Ti卡，并想使用他们所有的。
下面是我得到的错误：
import keras.utils.multi_gpu_model
--------------------------------------------------------------------
浏览 5提问于2017-10-20得票数 8
1回答
我下载了：
!git clone https://www.github.com/matterport/Mask_RCNN.git
os.chdir('Mask_RCNN')
我有一个错误:我应该有哪个版本的Keras？
WARNING:tensorflow:From /usr/local/lib/python3.5/dist-packages/keras/backend/tensorflow_backend.py:1154: calling reduce_max (from tensorflow.python.ops.math_ops) with keep_dims is de
浏览 0提问于2019-04-03得票数 1
1回答
当拟合模型Segmentation fault (core dumped)时，我收到以下错误。我是在Ubuntu 18.04和有一个Nvidia rtx 2070 (为CUDA)和AMD RX 570 (为我的4k显示器)。我不认为双gpu是一个问题，但我可以成功地运行在rtx 2070的代码，在安装之前，和gpu。我通过本教程建立了深入学习的系统。下面是我从获得的运行代码
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dens
浏览 0提问于2018-12-22得票数 0
回答已采纳
我有2个GPU GTX1080和Keras v2安装。我在gpu0和gpu1上同时运行两个训练过程。但是，我有ResourceExhaustedError。
少了什么？
python多gpu-process.py --gpu_id=1 (ok)
python process.py --gpu_id=0 (ResourceExhaustedError )。(请帮忙)
# file: multi-gpu-process.py (2 training processes work on different GPUs)
import numpy as np
import os
浏览 2提问于2017-08-29得票数 1
我是aws酿酒师的新手。我正试图在aws中建立一个模型，使用带有GPU支持的keras。下面给出了用于推断模型的码头底图。
FROM tensorflow/tensorflow:1.10.0-gpu-py3
RUN apt-get update && apt-get install -y --no-install-recommends nginx curl
...
这是我用来检查GPU是否被烧瓶中的keras识别的keras代码。
import keras
@app.route('/ping', methods=['GET'])
def pin
浏览 0提问于2018-12-11得票数 4
回答已采纳
当使用TensorFlow的Keras顺序API时，有没有办法强制我的模型在特定的硬件上进行训练？我的理解是，如果有GPU可用(我安装了tensorflow-gpu )，默认情况下，我会在GPU上进行培训。 我是否必须切换到不同的API以获得对模型部署位置的更多控制？
浏览 14提问于2020-01-01得票数 0
回答已采纳
我首先安装了tensorflow gpu
pip install tensorflow-gpu.
pip install keras
但当我在执行gpu任务时。它不与gpu一起运行。
它与CPU一起运行。
import keras
import tensorflow as tf
print(keras.__version__)
print(tf.__version__)
2.3.1
2.1.0
浏览 9提问于2020-03-01得票数 2
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。
我像下面这样检查了处理时间。那么，如何禁用我的GPU呢？是否应该修改~/.keras/keras.json？
$ time python mnist_mlp.py
Test loss: 0.109761892007
Test accuracy: 0.9832
python mnist_mlp.py 38.22s user 3.18s system 162% cpu 25.543 total
浏览 0提问于2017-03-28得票数 10
回答已采纳
autoencoder_layers.py
import theano
from keras import backend as K
from keras.backend.theano_backend import _on_gpu
from keras.layers.convolutional import Convolution2D, UpSampling2D
from keras.layers.core import Dense, Layer
from theano import tensor as T
from theano.sandbox.cuda import dnn
但是我得到了
浏览 2提问于2017-02-20得票数 0
回答已采纳
当尝试在三个GPU中使用Keras时，我遇到了一个问题。
我的psuedocode如下：
import keras
import keras.models as M
from keras.utils import multi_gpu_model
i = M.Input(None,None,6)
o1,o2,o3 = my_Network(i)
net = M.Model(inputs = i, outputs = [o1,o2,o3])
net = multi_gpu_model(net,gpus = 3)
net.compile( ~~~~~ )
net.fit(~~~~~ )
浏览 3提问于2020-04-28得票数 1
回答已采纳
我遵循了Tensorflow和Keras的安装说明。我有Keras (Ubuntu16.04上的python3)，它拒绝在我的GPU上运行。我尝试过使用install_keras(tensorflow = "gpu")卸载和重新安装，它仍然只能在CPU上运行。
我是否可以检查配置，看看它是否配置为在CPU或GPU上运行？
我能强迫它在GPU上运行吗？
浏览 2提问于2018-09-03得票数 4
我最近买了一台装有windows10和rtx2070的新电脑。我安装anaconda是为了使用python和keras提供的深度学习框架。我使用anaconda navigator安装keras-gpu包。安装这个包似乎会在anaconda上安装一个"cuda-toolkit 10“和"cudnn”包。 我想知道我的gpu是否会在keras的训练中以优化的方式使用。事实上，在过去，当我安装keras gpu时，我必须自己安装microsoft community 2015和cuda toolkit 9.0/Cudnn，才能使keras gpu工作。所以，我没有犯错误似乎有点奇
浏览 17提问于2019-05-19得票数 0
回答已采纳
我使用Keras和tensorflow作为后端。我有一个编译/训练的模型。
我的预测循环很慢，所以我想找到一种方法来并行化predict_proba调用来加快速度。我想获取一个批次列表(数据)，然后根据可用的图形处理器，在这些批次的子集上运行model.predict_proba()。
本质上：
data = [ batch_0, batch_1, ... , batch_N ]
on gpu_0 => return predict_proba(batch_0)
on gpu_1 => return predict_proba(batch_1)
...
on gpu_N =>
浏览 3提问于2017-02-23得票数 13
回答已采纳
3回答
在我的机构中有一个有2个GPU的共享服务器。假设有两个团队成员希望同时训练一个模型，那么他们如何让Keras在特定的GPU上训练他们的模型，以避免资源冲突？
理想情况下，Keras应该知道哪个GPU目前正忙于训练一个模型，然后使用其他GPU来训练另一个模型。然而，情况似乎并非如此。默认情况下，Keras似乎只使用第一个GPU (因为第二个GPU的Volatile GPU-Util始终是0%)。
浏览 0提问于2018-11-29得票数 4
回答已采纳
1回答
在使用“Keras GPU”和“Keras CPU”时，从编程的角度(语法、函数或其他方面)看，“Keras with后端as Tensorflow”中有什么不同吗？我的意思是，如果一个程序可以在启用GPU的Keras上运行，那么同样的程序会在Keras上运行吗(效率并不重要)？
浏览 1提问于2017-03-31得票数 2
回答已采纳
2回答
Im试图实现在2.0节中显示的权值正交约束。当我试图在Keras稠密层上使用它时，会引发值错误。
在同一篇文章的3.0部分试图实现自定义不相关特性约束时，也会发生这种情况。
import tensorflow as tf
import numpy as np
class WeightsOrthogonalityConstraint(tf.keras.constraints.Constraint):
def __init__(self, encoding_dim, weightage = 1.0, axis = 0):
self.encoding_dim = encod
浏览 0提问于2019-09-07得票数 2
回答已采纳
假设我有一个像这样的角面模型：
with tf.device("/CPU"):
model = tf.keras.Sequential([
# Adds a densely-connected layer with 64 units to the model:
tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
# Add another:
tf.keras.layers.Dense(64, activation='relu'),
浏览 4提问于2020-01-06得票数 0
回答已采纳
如果我试图运行这条线路
from keras.initializers import HeNormal
我得到了错误信息
ImportError: cannot import name 'HeNormal' from 'keras.initializers'
我在conda环境中安装了keras-gpu
conda install -c anaconda keras-gpu
和来自
import keras
keras.__version__
我得到了
'2.3.1'
我怎么才能解决这个问题？
浏览 8提问于2021-12-29得票数 0
回答已采纳
我正在开发一个基于旧版本Keras的模型，当我想使用多gpu时，他们会按如下方式导入：
from keras.utils import multi_gpu_model
multi_model = multi_gpu_model(myModel, gpus=args.gpus)
我已将导入更改为：
from tensorflow.keras import utils as multi_gpu_model
这会给我带来一个错误：
multi_model: TypeError: 'module' object is not callable
浏览 2提问于2021-08-25得票数 0
我试图训练一个卷积自动编码器使用tensorflow.keras。这里，我有一个模型类API (我认为这就是它的名字)，它使用单个GPU (而不是实现multi_gpu_model)工作。但是，当我在一台带有4个GPU的机器上转换到这一点时，在定义多个GPU模型(这里称为parallel_autoencoder)时会出现一个错误。在过去，我使用完成了这个任务，这个语法运行得很好。
我相信问题源于使用，但我对此并不完全肯定。下面是相关的代码和我得到的错误信息。我只想在tensorflow.keras中使用Model，但是我无法让扁平层处理，因为我得到了错误"TypeError:类型为‘T
浏览 3提问于2020-12-02得票数 1
回答已采纳
我跟踪了Jeff的youtube视频，用GPU安装了tensorflow。我有Eva nivida GTX 1660 Ti。之后，它显示GPU是不可用的。有什么不对劲的地方吗？谢谢
# What version of Python do you have?
# What version of Python do you have?
import sys
import tensorflow.keras
import pandas as pd
import sklearn as sk
import tensorflow as tf
print(f"Tensor Flow Versi
浏览 11提问于2021-01-16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。根据本教程，我遵循了所有步骤：
在运行以下代码时：
# What version of Python do you have?
import sys
import tensorflow.keras
import pandas as pd
import sklearn as sk
import tensorflow as tf
print(f"Tensor Flow Version: {tf.__version__}")
print(f"Keras
浏览 10提问于2021-03-06得票数 3
回答已采纳
我使用木星笔记本运行带有Tensorflow GPU后端的Keras。我对各种虚拟模型做了一些测试，同时使用MSI Afterburner、GPU、nvidia-smi和任务管理器监控我的GPU使用情况。我的GPU是一个GeForce GTX 960米，它没有问题运行游戏。运行Keras时温度也很低。
我注意到的是，Keras在开始时运行良好(例如加载或训练模型)，但是每当Keras不运行任何东西时，GPU自然希望从1097 MHz空闲到0 MHz，并且一旦出现GPU崩溃。我可以看到，"GPU丢失了“的NVSMI。然后，我必须禁用并重新启用设备管理器中的GPU以使其工作。
有人知道为什
浏览 1提问于2018-11-01得票数 1
我正在训练RNN，这是我使用tf.keras.layers.GRU层构建的。他们需要很长时间来训练(>2个小时)，所以我将把他们部署到GPU进行训练。我想知道一些关于GPU训练的事情：
tf.keras.layers.CuDNNGRU和tf.keras.layers.GRU (以及tf.keras.layers.LSTM和tf.keras.layers.CuDNNLSTM)有什么区别？我从中了解到，CuDNNGRU层的训练速度比GRU层快，但是层
这两层是否在相同的种子下收敛到不同的结果？
在推理过程中，这两层是否执行相同的操作？
在推理过程中，CuDNN层是否需要GPU？
浏览 1提问于2019-08-05得票数 1
回答已采纳
es = EarlyStopping(monitor='val_loss', mode='min', patience=100, restore_best_weights=True, verbose=0)
strategy = tf.distribute.MirroredStrategy(devices=['/gpu:0', '/gpu:1', '/gpu:2', '/gpu:3'])
with strategy.scope():
model = RESNET()
history = mode
浏览 2提问于2020-07-24得票数 2
我有一个带有两个GPU的系统，并且正在使用带有Tensorflow后端的Keras。Gpu:0被分配给PyCUDA，它执行一个独特的操作，转发给Keras，并随批进行更改。因此，我希望在gpu:1上运行一个Keras模型，同时将gpu:0分配给PyCUDA。
有办法这样做吗？纵观以前的线程，我发现了几种折旧的解决方案。
浏览 0提问于2018-10-25得票数 0
回答已采纳
2回答
因此，我最近尝试在具有以下规格的pc上运行tensorflow-gpu：
AMD Ryzen 5 2600X 6核，NVIDIA GeForce RTX 2060，带16 GB内存
在上的教程中，我用时尚mnist运行了内置的数据集。我运行了以下代码，并注意到colab不能在gpu上运行：
print("GPU is", "available" if tf.config.list_physical_devices('GPU') else "NOT AVAILABLE")
所以我看了一遍教程，基本上运行了他们的代码：
import
浏览 0提问于2020-08-15得票数 6
我正在尝试使用带有Geforce 2080的tensorflow-gpu运行。我的环境是Linux系统上的Anaconda。
我正在命令行python会话中运行未修改的示例。我得到以下输出：
Using TensorFlow backend.
Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: GeForce RTX 2080, pci bus id: 0000:01:00.0, compute capability: 7.5
x_train shape: (60000, 28,
浏览 0提问于2018-11-14得票数 9
回答已采纳
我使用这段代码在TensorFlow中使用GPU：
gpus = tf.config.list_physical_devices('GPU')
print("Num GPUs Available: ", len(gpus))
if gpus:
tf.debugging.set_log_device_placement(True)
但当我执行这个细胞时：
model=keras.Sequential([
keras.Input(( X_train.shape[1],)),
keras.layers.Dense(1024,activatio
浏览 0提问于2022-03-08得票数 1
3回答
是否有任何方法来检查Keras框架是否使用GPU或CPU来训练模型？
我正在用keras在GPU上训练我的模型，但是速度太慢了，我不确定它是用CPU还是GPU来训练。
浏览 13提问于2020-08-14得票数 1
回答已采纳
在ModuleNotFoundError: No module named 'tensorflow.contrib'行425中执行from tensorflow.contrib.cudnn_rnn.python.ops import cudnn_rnn_ops命令时，我正在体验keras\layers\cudnn_recurrent.py。当使用GPU处理时，这个问题是针对Tensorflow 的。没有任何问题，如果我不使用GPU处理。
这是我的软件栈：
- OS: Windows 10
- Python: 3.7.4
- CUDA: 10.1
- cuDNN: 7.5
浏览 0提问于2019-11-24得票数 0
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
我是数据科学的初学者，到目前为止，我正在尝试将旧代码keras cpu模型迁移到。
fyi:我正在遵循关于prof.jeffheaton视频的指导:在Windows 10和安装环境(如： )中， = 2020，TensorFlow 2.0 GPU (CUDA)，Keras &Python3.7。
从nvidia，我安装了: ms.visual代码2019年
cuda_11.5.1_496.13_windows --包括driver.execudnn-windows-x86_64-8.3.1.22_cuda11.5-archive.zip
结果在phyton：import tensorf
浏览 4提问于2021-12-04得票数 1
我知道，使用TensorFlow，可以手动控制我们声明变量的位置(例如: GPU上的神经网络的一半，另一个GPU上的其余部分)。
尽管我们可以将变量手动放置在多个GPU 上，但是它们是否可以自动地放置在这些GPU上，例如使用自动变量放置？TensorFlow的文档似乎从来没有明确提到自动设备放置是否处理多个GPU情况。
例如，假设我使用带有TensorFlow后端的Keras构建了一个模型。如果模型不适合第一个GPU，因为它太大，TensorFlow会自动使用第二个GPU (以及可能更多的GPU)来声明神经网络的变量吗？
谢谢。
浏览 3提问于2017-07-28得票数 1
回答已采纳
我有一个可以容纳主机内存的大型数据集。然而，当我使用tf.keras训练模型时，它会产生GPU内存不足的问题.然后查看tf.data.Dataset，并希望使用其batch()方法对训练数据集进行批处理，以便它能够在GPU中执行model.fit()。根据其文件，一个例子如下：
train_dataset = tf.data.Dataset.from_tensor_slices((train_examples, train_labels))
test_dataset = tf.data.Dataset.from_tensor_slices((test_examples, test_labels
浏览 6提问于2020-07-01得票数 5
回答已采纳
Tensorflow允许指定进程使用的最大部分GPU内存：
import tensorflow as tf
import keras
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.2)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
keras.backend.set_session(sess)
使用上面的代码，我的代码最终消耗了大约2203MB/7982MB的GPU RAM。注: 2203MB是7982的20%以上。
现在我的代码有
浏览 2提问于2020-02-06得票数 0
在尝试使用keras.preprocessing.text.Tokenizer类时，我遇到了一个小问题。我最近安装了Tensorflow-GPU，在我尝试安装Keras之前一切都很好。
当我使用Anaconda安装Keras时，我看到它也安装了Tensorflow 1.3。问题是，它没有降级以前安装的Tensorflow-GPU版本.既然我试图运行python代码，什么都不会发生，下面是屏幕截图(注意:应该有一些打印和处理)：
当我尝试运行python并检查Tensorflow版本时，我得到了Keras安装的版本。因此，我试图再次安装Tensorflow-GPU，但这有助于所有的需求
浏览 0提问于2018-10-10得票数 0
1回答
任何有使用vast.ai进行云计算的经验的人都知道，当租用多个GPU时，您需要做一些设置来利用额外的GPU吗？
因为当租用6或8个GPU而不是仅仅一个GPU时，我不会注意到速度上的任何差异。我刚开始使用vast.ai进行云计算。
我使用的是默认的码头:用于深度学习框架TensorFlow ()的正式对接图像。
成功加载了tensorflow/tensorflow:夜-GPU-py3
然后再安装keras：
pip install keras
我还使用此方法检查了可用的GPU，所有GPU都被正确检测到：
from keras import backend as K
K.tensorflow_b
浏览 3提问于2020-02-04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。
我尝试在keras中实现。然而，在实践中，使用4个gpu进行训练甚至比使用1个gpu更糟糕。我对1个gpu有25秒，对4个gpu有50秒。你能告诉我为什么会发生这种情况吗？
用于multi_gpu_model的/blog
我在1个gpu上使用了这个推荐
CUDA_VISIBLE_DEVICES=0 python gpu_test.py
对于4个gpus，
python gpu_test.py
-Here是用于训练的源代码。
from keras.datasets import mnist
from keras.layers
浏览 1提问于2017-11-03得票数 4
我正在使用Python和Anaconda。我已经通过创建虚拟环境安装了Tensorflow和Keras：
conda create -n keras-gpu python=3.6 numpy scipy keras-gpu
我之所以使用Python 3.6，是因为Keras还没有正式支持3.7。这将安装Tensorflow 2.0.0，这是一个问题，因为我必须将所有导入从from keras.models import Sequential更改为from tensorflow.keras.models import Sequential。此外，虽然这种方法有效，但pyCharm向我展示了Seq
浏览 36提问于2019-10-29得票数 2
回答已采纳
1回答
它似乎自动使用gpu，但我不知道为什么。
首先，我声明如下：
tf_config = tf.ConfigProto( allow_soft_placement=True )
tf_config.gpu_options.allow_growth = True
sess = tf.Session(config=tf_config)
keras.backend.set_session(sess)
然后，我定义了一些模型如下
with K.tf.device('/gpu:0'):
some keras model
这很明显，它将使用gpu，我检查它使用了第一个gpu(索引为0
浏览 0提问于2018-12-26得票数 4
回答已采纳
当前版本栈：
python 3.5
tensorflow 1.14.0
tensorflow-estimator 1.14.0
tensorflow-gpu 1.14.0
tensorflow-tensorboard 0.1.8
protobuf 3.9.1
Keras 2.2.4
浏览 0提问于2019-08-08得票数 3
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
