我在一个循环中训练了许多不同的模型，以比较它们在不同时间段的性能。models.train_2_layer_mlp(train_X, train_y, verbose=0) verbose=0)
local_results['5_layer_mlp_dropout'] = model
浏览 23提问于2019-06-18得票数 0
回答已采纳
我已经创建了一个包装类，它初始化了一个keras.models.Sequential模型，并有几种方法来启动培训过程和监视进度。我在我的main文件中实例化这个类并执行培训过程。相当平凡的东西。我的问题是：将__exit__方法添加到我的NeuralNet类并将其实例化为： nn.t
浏览 1提问于2016-04-11得票数 9
GPU驱动程序是否必须按需从应用程序释放GPU内存？如果不是，是否会使应用程序可能想要做任何GPU内存资源管理无效，因为它是从实际内存中“移除的层”？
我分配了很多纹理，然后释放它们。当分配时，我可以看到"GPU系统字节“(在进程资源管理器中)迅速增加(数量大大超过了图像的硬盘空间-也许它们在
浏览 3提问于2017-03-23得票数 0
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
我使用Keras构建了一个基于CNN结构的自动编码器模型，在完成训练过程后，我的笔记本电脑有64 GPU的内存，但我注意到至少1/3的内存仍然被占用，GPU内存也是如此。我没有找到释放内存的好方法，我只能通过关闭Anaconda提示符命令窗口和jupyter笔记本来释放内存。我不确定是否有人有好的建议。谢谢!
浏览 3提问于2018-06-24得票数 20
我用GPU训练了很多模型。我想调优网络的架构，所以我对不同的模型进行了顺序的训练，以比较它们的性能(我使用的是keras-tuner)。
问题是有些模型非常小，而另一些则非常大。我不想把所有的GPU内存分配给我的培训，而只是我需要的数量。我有TF_FORCE_GPU_ALLOW_GROWTH到true，这意味着当一个模型需要大量内存时，GPU就会分配</e
浏览 7提问于2022-10-25得票数 1
目前，我发现的解决方案是使用Struct封装数据，对于每个需要进行GPU处理的方法，需要实现3个函数：我给你举个例子。假设我需要实现一个方法来初始化结构中的缓冲区。threadsPerBlock>>>(this);}
__global__ initFo
浏览 2提问于2012-04-15得票数 4
回答已采纳
在Keras，我正在训练一个模型，如下所示 samples_per_epoch = count, callbacks=getCallBacks(),在data_generator函数中，我打印了几个调试语句。在fit_generator函数之上运行时，打印
浏览 0提问于2018-06-19得票数 4
我读过这样的答案： import tensorflow as tfconfig =tf.ConfigProto()set_session(tf.Session(config在keras和TF中似乎都有如此多的更新，以至于<e
浏览 18提问于2019-04-22得票数 4
回答已采纳
我有一个带有两个GPU的系统，并且正在使用带有Tensorflow后端的Keras。Gpu:0被分配给PyCUDA，它执行一个独特的操作，转发给Keras，并随批进行更改。因此，我希望在gpu:1上运行一个Keras模型，同时将gpu:0分配给PyCUDA。
有办法这样做吗？纵观以前的线程，我发现了几种折旧的解
浏览 0提问于2018-10-25得票数 0
回答已采纳
假设我们运行一个具有4个块(b1、b2、b3、b3} )的内核函数。每个块都需要{10、2、3、4}时间来完成作业。而我们的GPU只能并行处理两个块。如果是那样的话，哪一个是正确的方式，我们的GPU如何工作？
浏览 3提问于2022-05-29得票数 0
1回答
当我试图在Android上使用VBO加载繁重的图形场景时，在GPU生成的设备日志中遇到内存不足异常。我尝试提供的原始二进制数据大小不到可用RAM的一半。在做了一些研究后，我发现在每次glBufferData(..)调用之后，空闲内存的数量减少了2倍于提供的数据大小(在不同的设备上尝试，相同的结果)。manager.getMemoryInfo(info);
浏览 0提问于2017-02-24得票数 2
在此之前，我还有两个预处理脚本，其中一个只是裁剪和归一化图像，另一个裁剪，删除图像的一部分并归一化图像。
在使用分类器脚本之前，我首先让预处理器脚本在图像上运行。现在我想把所有的脚本合并在一起。然后，我对每个模型使用model.predict()方法并加载相应的图像。但这一次它不起作用。我的一个模型总是预测相同的类，但当我让它在一个脚本中单独运行时，它工作得很好。背景:我有模具的图像，可能有划痕或折断的边缘。由于这两个错误可以
浏览 37提问于2021-03-11得票数 0
我正在为Jupyter Notebook上的两个不同的应用程序训练Keras CNN模型。考虑到我想充分利用PC的资源，我可以在一台笔记本电脑和另一台使用CPU的笔记本电脑中使用Keras-GPU吗？我了解到Keras默认使用GPU --如果有的话--我可以强制Keras使用CPU，就像在中一样。我的问题是，通
浏览 15提问于2019-11-06得票数 1
回答已采纳
1回答
使用示例文件lap2D_5pt_n100.mtx和lap3D_7pt_n20.mtx运行该程序可以使程序顺利运行。但是，当我在自己的.mtx文件中插入时，在步骤8之后会出现一个错误：
exit(EXIT_FAILURE);}
我的问题是“
浏览 2提问于2016-08-22得票数 0
回答已采纳
上运行这个代码，它提供了16 GB的Tesla P100 PCIe GPU。我有一个使用x分配的整数数组( cudaMallocManaged() )。首先，我在GPU中预取数组并对其进行一些处理，然后将其预取到CPU并进行一些处理。在此期间，我在内存传输之前和之后打印GPU上可用的空闲内存。基于此，我有两个问题：
在第一次预取期间，就在cudaMallocManaged()之后，空闲内存比我分配</em
浏览 23提问于2021-12-05得票数 -1
回答已采纳
1回答
我有一个Keras模型(.hdf5)，我想部署在云中进行预测。现在我想估算一下我需要多少资源(CPU、GPU、RAM等)。 有没有人有关于函数/经验法则的建议，可以对此有所帮助？我找不到任何有用的东西。提前感谢！
浏览 17提问于2019-01-20得票数 2
回答已采纳
1回答
我使用的是tensorflow-gpu 1.10.0和Keras-GPU2.2.4与Nvidia gtx765M(2GB) GPU，操作系统是Win8.1-64位-16 2GB内存。我可以使用560x560 pix映像和批处理大小=1来训练网络，但是在训练结束后，当我尝试测试/预测时，我会得到以下错误：
ResourceExhaustedError: OOM when allocating所以我的问题是，是否有可能首先使用GPU</e
浏览 0提问于2019-03-19得票数 2
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
