我可以在GPU上运行Keras模型吗？
我正在运行Keras模型，提交截止日期为36小时，如果我在cpu上训练我的模型大约需要50个小时，是否可以在gpu上运行Keras？
我正在使用Tensorflow后端，并在未安装anaconda的Jupyter笔记本上运行它。
问题答案：
是的，您可以在GPU上运行keras模型。几件事您将必须首先检查。
- 您的系统具有GPU（Nvidia。因为AMD尚未运行）
- 您已经安装了Tensorflow的GPU版本
- 您已安装CUDA安装说明
- 验证Tensorflow是否与GPU一起运行，检查GPU是否正常工作
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
要么
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
输出将是这样的：
[
name: "/cpu:0"device_type: "CPU",
name: "/gpu:0"device_type: "GPU"
]
完成所有这些操作后，您的模型将在GPU上运行：
要检查keras（> = 2.1.1）是否使用GPU：
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
祝一切顺利。
-
我正在运行一个Keras模型，提交截止日期为36小时，如果我在cpu上训练我的模型，大约需要50小时，有没有办法在gpu上运行Keras？ 我正在使用Tensorflow后端并在我的Jupyter笔记本上运行它，而没有安装anaconda。
-
什么JVM在CPU+GPU上运行？ 我知道像Oracle、Zulu、OpenJDK这样的JVM，但没有一个是为了将处理卸载到GPU上而设计的。
-
我有一个量化的tflite模型，我想在Nvidia Jetson Nano上进行推理。我使用tf.lite。用于推理的解释器（）方法。这个过程似乎没有在GPU上运行，因为CPU和GPU上的推理时间是相同的。 有没有办法使用Python在GPU上运行tflite模型？ 我试图通过设置tf来强制使用GPU。device（）方法，但仍然不起作用。官方文档中有一个叫做GPU加速委托的东西，但我似乎找不到任
-
我一直在我的电脑上用Tensorflow写程序，它使用Linux薄荷。无论出于什么原因，我都无法让Tensorflow在我的图形处理器上运行。 2021-04-26 15:46:11.462612： W tenstorflow/stream_executor/平台/默认/dso_loader.cc:60]无法加载动态库'libcudart.so.11.0'；libcudart.so.11.0：无法
-
我已经在NetBeans中创建了一个Java项目，自动构建的分发文件（.jar）在我的Ubuntu15.04AMD64机器上运行得非常好。 我想在发布它之前确保它在windows上运行，但在windows 7 32位机器上测试后，我发现它不工作。下面是错误消息的屏幕截图。 我可以猜到一些问题--因为它谈到了一个。regex错误。我并没有在代码中真正使用regex，而是使用string.split。
-
我想计算一个损失函数，它在不同的输入上使用网络的输出两次。例如，假设， 更新：谢谢你们的回复。我想在keras或张量流中重新实现这篇论文。正如其中所解释的，“批评家”网络在GAN中是鉴别器，它有两个输入，一个接一个地运行，并根据输出和计算梯度计算损失函数。主要问题是如何在张量流或Keras中实现？