我正在用代码实现nn.DataParallel类，并将我的所有模型封装在这个类中。它给出了一个错误歧义错误。import network
binarizer = nn.DataParallel(network.Binarizer()
浏览 5提问于2020-12-16得票数 1
我目前使用batch_size =1进行神经网络训练，要在多个gpus上运行它，我需要将批处理大小增加到大于gpus的数量，因此我希望使用batch_size=16，尽管我设置数据的方式不确定如何更改raw_data = pd.read_csv("final.csv")test_data = raw_data[750:]# normalize featuresscaled
浏览 14提问于2019-11-03得票数 1
1回答
weight = None
if not opt.no_cuda:
train_logger, train_batch_logger) model = nn.DataParallel
浏览 5提问于2019-03-26得票数 1
回答已采纳
.], [10, ...] on 3 GPUs据我所知，mode.to(device)将数据复制到
浏览 0提问于2019-04-24得票数 2
回答已采纳
代码大致是这样的： >>> import torch.nn as nn >>> model = nn.DataParallel(model)
>>> model.to
浏览 17提问于2020-12-01得票数 2
.], [10, ...] on 3 GPUs
model.to(device) 它工作得很好，除了DataParallel不包含来自原始模型的函数
浏览 27提问于2021-10-23得票数 1
回答已采纳
在没有数据并行化的情况下，我没有任何问题，但是在我只放了一行"model = nn.DataParallel(model)“之后，出现了错误消息"TypeError：'list‘object是不可调用的因为nn.Dataparallel已经被其他编码器使用了。对不起，英语不是我的母语。if use_cuda: model = model.cuda()criterion = criterion
浏览 2提问于2019-09-09得票数 0
在加载保存的模型时，我得到了以下错误。这是我用来加载保存的模型的函数。 """Load a previously saved model states.""" with open(fi
浏览 3提问于2017-05-28得票数 9
回答已采纳
我正在为我的model使用nn.DataParallel()，但是遇到一个错误。我正在做类似这样的事情 self.model = nn.DataParallel(self.model)
如果设备是
浏览 38提问于2019-11-29得票数 0
回答已采纳
device= 'cuda:0'model = model.to(device)
如何使此模型类与nn.DataParallel一起工作
浏览 5提问于2021-07-12得票数 2
import torchmodel_names = sorted(name for name in models.__dict__ and callable(models.__dict__[name]))model = torch.nn.DataParallel(model,devi
浏览 4提问于2020-01-10得票数 2
回答已采纳
模型是用torch.nn.DataParallel()训练的，所以当我加载预训练的模型并尝试使用它时，我必须使用nn.DataParallel()，我目前正在这样做：net = nn.DataParallel(net, device_ids=[0])net.to(device)device = torch.device('cpu
浏览 0提问于2021-07-27得票数 3
回答已采纳
在linux服务器中，我使用cuda在中使用多个cuda设备。(但其他程序工作良好，其他指定的gpus分配得很好。正因为如此，我认为这不是nvidia或系统问题。nvidia-smi很好地显示了所有的gpus，没有问题。以前，我在分配下面代码的gpus时没有问题(除非系统不工作)os.environ["CUDA_VISIBILE_DEVICES"] = str(args.gpu)
浏览 5提问于2021-05-03得票数 4
2回答
但是有一个非常有趣的特性是PyTorch支持的，那就是nn.DataParallel和nn.DistributedDataParallel。它们是如何实际实现的？它们如何分离公共嵌入和同步数据？def forward(self, x): x = self.rnn(x)
model = nn.DataParallel
浏览 0提问于2018-11-19得票数 48
2回答
我正在使用A100-SXM4-40GB Gpu，但是训练非常慢。我尝试了两种模式，一种是cifar的简单分类，另一种是城市景观的Unet。我在其他GPU上尝试了我的代码，它工作得很好，但是我不知道为什么在这个高容量GPU上的训练非常慢。下面是GPU的其他一些属性。GPU 1: A100-SXM4-40GBGPU 3: A100-SXM4-40GB
浏览 1提问于2021-05-01得票数 0
回答已采纳
num_gpus设置为1：model = NestedUNet(opt.num_channel, 2).to(device)
model = nn.DataParallel
浏览 1提问于2020-05-17得票数 4
回答已采纳
torch.cuda.is_available(), torch.cuda.current_device(), torch.cuda.get_device_properties(1)model = nn.DataParallel
浏览 1提问于2019-12-09得票数 13
回答已采纳
CUDA_DEVICE_ORDER']='PCI_BUS_ID'model = nn.DataParallel
浏览 232提问于2019-07-11得票数 3
.], [10, ...] on 3 GPUs我的问题是什么取代了
X_batch, y_batch
浏览 3提问于2022-07-28得票数 0
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
