TensorFlow 및 keras에서 GPU에 사용되는 설정 작업
2810 단어 TensorFlowkerasGPU
1. 훈련 실행 시 GPU 지정
실행 시 코드 한 줄 추가:
CUDA_VISIBLE_DEVICES=1 python train.py2. 실행 중 필요에 따라 또는 정량으로 GPU 할당
Tensorflow는 세션을 열 때 몇 줄의 코드를 추가하면 됩니다. Keras는 GPU를 지정하고 필요에 따라 TensorFlow와 다른 용량을 제한합니다. 왜냐하면 Keras 훈련은 봉인되어 있어서 세션에 대한 조작이 좋지 않기 때문입니다.다음은 두 가지 대응하는 조작이다.
keras의 작업:
import os
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
# GPU
os.environ["CUDA_VISIBLE_DEVICES"] = "0" # GPU
config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC' #A "Best-fit with coalescing" algorithm, simplified from a version of dlmalloc.
config.gpu_options.per_process_gpu_memory_fraction = 0.3 #
config.gpu_options.allow_growth = True #
set_session(tf.Session(config=config)) TensorFlow의 작업:
# GPU
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
# GPU
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # GPU90%
session = tf.Session(config=config)
# GPU
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)Keras가 Theano 백엔드를 사용한다면 자동으로 GPU를 사용하지 않고 CPU만 사용해야 합니다. GPU를 시작하려면 Theano 내부 명령을 사용하면 됩니다.
Tensorflow 백엔드의 Keras와 Tensorflow는 자동으로 보이는 GPU를 사용하므로 CPU에서만 실행해야 합니다.인터넷에서 세 가지 방법을 찾았는데 마지막 방법은 나에게 유용하지만 세 가지 모두 다음과 같이 기록했다.
tensorflow의 with tf를 사용합니다.device ('/cpu:0'): 함수입니다.간단한 조작은 앞에서 말한 영역에 모든 명령을 넣는 것이다.
tensorflow를 사용하여 Session을 선언할 때의 매개 변수: tensorflow에서 Session의 일부 매개 변수 설정, 그리고 Keras가 호출한 Tensorflow의 Session을 어떻게 설정하는지Keras를 참조하여 GPU 사용 메모리 크기(Tensorflow backend) 설정 .
Tensorflow, Session 선언 시 device_count={'gpu':0}이면 됩니다. 코드는 다음과 같습니다.
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(device_count={'gpu':0}))
import tensorflow as tf
import keras.backend.tensorflow_backend as KTF
KTF.set_session(tf.Session(config=tf.ConfigProto(device_count={'gpu':0})))3, 세 번째는 CUDA_VISIBLE_DEVICES 명령행 매개변수, 코드는 다음과 같습니다.
CUDA_VISIBLE_DEVICES="0" python3 train.py
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
EMNIST에서 알파벳 필기 인식EMNIST-letters를 배웠습니다. CODE: DEMO: — mbotsu (@mb_otsu) 은 2017년에 NIST가 공개한 데이터세트입니다. EMNIST ByClass: 814,255 characters. ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
