Keras 2.X版本后可以很方便的支持使用多GPU进行训练了，使用多GPU可以提高我们的训练过程，比如加速和解决内存不足问题。
我的tensorflow_gpu=1.15.0; Keras==2.1.6

涉及的代码

设置可以使用的GPU编号
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2,3" # 仅让id=2，3的GPU可被使用
当你的电脑中有多块GPU时, keras.utils.multi_gpu_model 中提供有内置函数，该函数可以产生任意模型的数据并行版本，最高支持在8片GPU上并行。

from keras.utils import multi_gpu_model #加载头文件model = VGG16_model(input_shape=(224,

Keras下使用多GPU训练模型相关推荐

tensor搭建--windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速
windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速原文见于:http://www.jianshu.com/p/c245d46d43f0 ...
windows 下 TensorFlow（GPU 版）的安装
windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速 0. 环境 OS:Windows 10,64 bit: 显卡:NVIDIA GeFor ...
keras指定gpu_Keras多GPU训练指南
摘要:随着Keras(v2.0.8)最新版本的发布,使用多GPU 训练深度神经网络将变得非常容易,就跟调用函数一样简单!利用多GPU,能够获得准线性的提速. Keras是我最喜欢的Python深度学习 ...
Pytorch使用GPU训练模型加速
Pytorch使用GPU训练模型加速深度学习神经网络训练经常很耗时,耗时主要来自两个部分,数据准备和自参数迭代. 当数据准备是主要耗时原因时,采用多进程准备数据.当迭代过程是训练耗时主力时,采用GP ...
windows10下 tensorflow2.0 gpu 安装
windows10下 tensorflow2.0 gpu 安装安装显卡驱动. 确定python.cuda和cudnn对应的版本安装cuda 安装cudnn 查看tensorflow的版本 impo ...
vs最好的版本_Win10 环境下，LightGBM GPU 版本的安装
由于知乎的编辑器不能完全支持 MarkDown 语法, 所以部分文字可能无法正常排版, 如果你想追求更好的阅读体验, 请移步至该博客的简书的链接. Win10 平台下, LightGBM GPU 版本 ...
速成pytorch学习——11天. 使用GPU训练模型
深度学习的训练过程常常非常耗时,一个模型训练几个小时是家常便饭,训练几天也是常有的事情,有时候甚至要训练几十天. 训练过程的耗时主要来自于两个部分,一部分来自数据准备,另一部分来自参数迭代. 当数据准 ...
keras下的线性回归实例
keras下的线性回归实例 1.首先准备一个数据集,这里我自己准备了一份Income1.csv的文件,导入到jupter中 Education,Income 10,26.6588 10.4013,27 ...
指定gpu训练模型却依然使用了cpu问题解决
环境 linux系统下有一块gpu,CUDA版本为11.3,conda环境下已安装pytorch 问题模型训练时通过以下代码指定使用gpu进行训练: 结果模型依然在cpu上进行训练解决方法用以下 ...
windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同
windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同介绍ubuntu系统下配置docker下GPU使用环境的文章很多,本文算是一个比较性梳理. 主要比较一下wsl ...

Keras下使用多GPU训练模型

涉及的代码

Keras下使用多GPU训练模型相关推荐

最新文章

热门文章