我可以在gpu上运行Keras模型吗？

Question

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。

Answer 1

2.0兼容答案：虽然上面提到的答案详细解释了如何在Keras模型上使用GPU，但我想解释如何在Tensorflow 2.0版上使用GPU。

要知道有多少GPU可用，我们可以使用以下代码：

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

要找出您的操作和张量分配给哪些设备，请将tf.debug.set\u log\u device\u placement（True）作为程序的第一条语句。

启用设备放置日志记录会导致打印任何张量分配或操作。例如，运行以下代码：

tf.debugging.set_log_device_placement(True)

# Create some tensors
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)

print(c)

给出如下所示的输出：

在设备 /job：localhost/replica： 0/任务： 0/设备： GPU： 0 tf执行op MatMul。张量（[22.28.][49.64.]]，形状=（2,2），dtype=Float32）

有关更多信息，请参阅此链接

Answer 2

当然。我想你已经为GPU安装了TensorFlow。

导入keras后，需要添加以下块。我在一台有56核cpu和gpu的机器上工作。

import keras
import tensorflow as tf


config = tf.ConfigProto( device_count = {'GPU': 1 , 'CPU': 56} ) 
sess = tf.Session(config=config) 
keras.backend.set_session(sess)

当然，这种用法会对我的机器施加最大限制。您可以减少cpu和gpu的消耗值。

Answer 3

是的，您可以在GPU上运行keras模型。你需要先检查的东西很少。

1. 您的系统有GPU（Nvidia，因为AMD还不能工作）

sess=tf。tf.ConfigProto（log_device_placement=True）

对于TF

sess=tf.compat.v1.Session（config=tf.compat.v1.ConfigProto（log\u device\u placement=True））

（感谢@nbro和@Ferro在评论中指出这一点）

或

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

输出将如下所示：

[
  name: "/cpu:0"device_type: "CPU",
  name: "/gpu:0"device_type: "GPU"
]

一旦完成所有这些，您的模型将在GPU上运行：

检查是否keras（

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

一切都好。