我已经使用以下代码升级了我的tensorflow和keras： !pip install tf-nightly-gpu-2.0-preview 现在，模型学习的每一个时代都需要22分钟，这在这次升级之前是17秒！我确实降级了tensorflo和keras，但它没有帮助！
浏览 37提问于2019-06-04得票数 0
1回答
我已经用Google colab训练了一个更快的R-CNN模型，用于使用TensorFlow对象检测进行对象检测。但在测试视频时，google colab崩溃了，这就是为什么我决定在我的pc上测试，并安装了CUDA 10.0、Cudnn 7.6.5和TensorFlow-gpu = 1.15。但是测试速度非常慢，就好像它是在CPU上运行的一样。我在测试时收到这条消息，所以我猜它是在使用我的G
浏览 3提问于2021-07-29得票数 0
10回答
我最近开始使用Google，并且想要训练我的第一个卷积神经网络。由于得到了的答案，我从Google导入了这些图片。第2步：auth.authenticate_user它使用以tensorflow为后端的keras。为了简单起
浏览 2提问于2018-03-19得票数 34
回答已采纳
我在google colaboratory上使用keras/tensorflow，我需要返回到以前的版本。
问题是，当我运行!pip install q keras==1.2.2时，内核显示安装了keras1.2.2，但当我使用keras.__version_检查它时，它显示为2.1.6。tensorflow也是如此。
浏览 2提问于2018-08-23得票数 14
在使用Google对模型进行培训之后，我使用以下命令(在Google中)下载了它：from google.colab import files我的问题是，当我尝试使用本地机器( Google之外)加载下载的model.h5时，我会得到以下错误：from keras.models import load_modelhome/luc
浏览 9提问于2020-08-07得票数 11
回答已采纳
在使用tensorflow时，我收到以下错误消息ModuleNotFoundError: No module named 'tensorflow_core.estimator'
已安装的tensorflow相关包如下所示。
浏览 30提问于2021-02-03得票数 16
我有cuda8.0.61，tensorflow_gpu版本和keras。我在224*224图像数据上训练一个20层的keras模型当我在终端上运行nvidia -smi时，我发现内存正在耗尽，并且计算util的百分比更小。当我尝试拟合模型时，机器变得非常慢。我知道，为了使用gpu并在设备之间切换，我应该使用以下代码： with K.tf.device('/gpu:0'):
tf_conf
浏览 18提问于2019-02-08得票数 1
\lib\site-packages\tensorflow\python\keras\backend.py in __call__(self, inputs) 3291我尝试在anaconda中升级cuda和cuDNN，被告知无论如何都会有几个冲突。因此，任何关于如何前进的建议都将是一个很大的帮助。非常感谢。-- Souvik 针对@Lescurel的问题，来自tensorflow的初始运行的警告消息如下： C:\Users\shikh\anaconda3\env
浏览 55提问于2020-10-19得票数 0
回答已采纳
我实现了RNN的本地版本和RNN的Colab TPU版本(代码如下)。当我执行Colab TPU版本(下面的代码)时，训练速度非常慢，就像我在笔记本电脑的CPU上运行的本地版本一样。Colab TPU是否支持RNN网络？ 我是不是漏掉了什么？import tensorflow as tffrom tensorflow.keras import Sequential
from tensor
浏览 12提问于2020-08-25得票数 1
回答已采纳
2回答
Keras没有使用我的GPU，尽管tensorflow似乎可以很好地运行它。中指定一个分类器并对其进行训练时，它的运行速度非常慢。除了速度和明显的CPU使用率之外，我不知道如何判断Keras是否在使用GPU。
我还从tensorflow文档中运行了这个示例，在我的终端中，我可以清楚地看到它使用了GPU。它的运行速度比上面的keras示例快得多。i
浏览 2提问于2018-10-23得票数 0
1回答
如果您知道如何改进，更重要的是--加快速度，我将非常感激：)#!pip install tensorflow-gpu#!pip install keras
drive.mount('&
浏览 0提问于2019-07-12得票数 0
1回答
我正在运行一些笔记本，在不同的地方，是CPU和GPU密集型。在我的本地PC上运行笔记本是快速的CPU能力，但速度慢，因为我的GPU不能用于火炬(我有一个Ryzen 9与AMD GPU)。另一方面，在Colab GPU上运行笔记本的速度在GPU部分非常快，但在CPU部分却非常慢。
我知道使用本地运行时使用我的CPU是可能的，但是我也被本地GPU困住
浏览 1提问于2021-10-26得票数 1
2回答
我有一个自定义的数据生成器，它从keras中子类化Sequence，并从hdf5文件中生成批处理。现在，当我使用训练生成器进行model.fit_generator时，模型使用图形处理器并在前两个时期快速训练(图形处理器内存已满，图形处理器易失性使用率在50%左右波动很好)。然而，在第三个时期之后，GPU易失性使用率为0%，并且时期花费了20倍的时间。
这里发生了什么事？
浏览 2提问于2020-04-18得票数 0
与keras (h5)模型相比，Tensorflow的预测速度非常慢。这种行为在Colab和Windows 10系统上是相似的。我将标准的VGG16模型转换为有优化也有无优化(converter.optimizations = tf.lite.Optimize.DEFAULT)
Keras模型(540tflite不是应该优化速度吗？在Raspberry Pi或其他“打火机”设备上，这种行为会有所不同吗？
浏览 0提问于2021-04-01得票数 0
1回答
我已经在google colab中使用TensorFlow和Keras创建了一个图像分类模型。它分别与GPU版本1.15和2.2.4一起保存在那里。现在我想加载他们在我的远程机器与中央处理器和版本1.10和2.2.2我无法做到这一点，并获得error.This是我的第一次经验与有线电视新闻网以及tf和keras，所以我不能找出确切的原因和如何解决这个问题我已经提到
浏览 13提问于2020-03-25得票数 3
我猜想我在使用PyTorch的简单神经网络中做了一些事情，因为在CUDA中运行的速度比在CPU中慢得多，你能找出错误吗？
浏览 3提问于2019-06-09得票数 0
Colab GPU速度慢有很多问题，但在我的例子中，恰恰相反。我试着用tensorflow 2.4.0训练LSTM -在colab我试过不同版本的nvidia驱动程序，cudnn和cuda，但似乎没有区别。有tensorflow的优化版本吗？请帮我处理<
浏览 2提问于2021-01-14得票数 0
描述了如何将gpu与google-colaboratory一起使用：
import tensorflow as tfif de
浏览 11提问于2018-01-29得票数 25
回答已采纳
我已经在谷歌Colab上为cifar10数据集建立了一个残差神经网络模型，但它在TPU硬件上运行非常慢。 我有另一个常规的卷积神经网络，它在google colab上运行良好。此模型使用keras Sequential API，而残差神经网络使用Functional API，不确定这是否是问题所在。我已经尝试更改批处理大小，但没有任何帮助。下面是我的程序的链接。https://colab.research.google</e
浏览 41提问于2019-06-15得票数 0
我很难确切地理解为什么GPU和CPU的速度与小尺寸的网络相似(CPU有时更快)，而GPU在大尺寸的网络中更快。问题底部的代码在i7-6700k上运行103.7s，但当使用tensorflow-gpu时，代码运行29.5秒。我在另一个堆栈溢出答案上读到CPU->GPU传输需要很长时间，我假设这是在参考在GPU上加载数据示例。
谁能解释一下为什么会发生这种情况，并可能参考代码中的一些更改，以便最大限度地提高速度？import num
浏览 0提问于2017-02-08得票数 14
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
