我阅读了许多关于在TensorFlow中使用多个GPU的文章和帖子。它帮助我学习了更多关于“如何使用并行GPU来训练神经网络”(how to use parallel GPU to train ( here network))。但我有一个不同的问题。可以使用单独的GPU同时训练不同的NN吗？
浏览 12提问于2021-01-20得票数 0
我一直在使用单个GTX Titan训练我的tensorflow再训练算法，它工作得很好，但当我尝试在再训练示例中使用多个GPU时，它不起作用，当我在Nvidia SMI中运行它时，它似乎只使用一个GPU为什么会发生这种情况，因为它在从头开始在初始模型中重新训练时使用多个gpus，而不是在重新训练期间？
浏览 5提问于2016-09-05得票数 1
回答已采纳
1回答
我有一个tensorflow (tf2.0)/keras模型，它使用多个GPU进行计算。模型中有2个分支，每个分支都在单独的GPU上。我有一个4个GPU的系统，我想用来训练，我想镜像这个模型，这样GPU 1和2包含一个模型，GPU 3和4包含镜像的模型。
会自动处理此镜像吗？或者它假设我的模型将是单个GPU</
浏览 4提问于2019-11-04得票数 0
我是机器学习和Tensorflow的新手。我有一个关于TensorFlow分布式训练的问题。我读过关于多GPU环境的文章，它看起来很有可能(https://www.tensorflow.org/guide/using_gpu)。 但是，如果多台计算机具有多个GPU，情况会怎样呢？是否可以在几台机器之间分配机器训练任务？是否有特定的</
浏览 8提问于2019-06-15得票数 1
回答已采纳
1回答
用几个GPU训练一个模型
、、、、
如何编程keras或tensorflow来对多个GPU进行分区培训，假设您在一个拥有8个GPU的amaozn ec2实例中，您希望使用它们来加快训练速度，但是您的代码只是用于单个cpu或GPU？
浏览 2提问于2017-10-21得票数 2
回答已采纳
4回答
Keras中的多GPU
、、、、
我们如何在Keras库(或TensorFlow)中编程，在多个GPU上分区培训？假设您是在一个拥有8个GPU的Amazon实例中，您希望使用它们来进行更快的训练，但是您的代码只用于一个CPU或GPU。
浏览 0提问于2017-10-18得票数 43
回答已采纳
我遇到的问题是，我不能成功地把我的训练批次分成多个GPU。如果使用来自multi_gpu_model的tensorflow.keras.utils，则tensorflow将在所有可用的gpu(例如2)上分配全部内存，但如果监视nvidia，则只使用第一个gpu正如预期的那样，数据由cpu加载，模型在gpu上运行
浏览 0提问于2019-03-06得票数 0
因此，在TensorFlow关于使用的指南中，有一部分是关于以“多塔方式”使用多个GPU的：for d in ['/device:GPU:2', '/device:GPU:3']:
with看到这一点，人们可能会倾向于利用这种风格在自定义Estimator中进行多个GPU培训，从而向模型表明它可以有效地跨<e
浏览 0提问于2018-11-17得票数 1
我还没有在我的系统上安装NVIDIA工具包或cuDNN或tensorflow-gpu。我目前使用tensorflow和Py手电筒来训练我的DL模型。这是我的问题-
，当我在tf或pytorch中定义张量时，默认情况下它是一个cpu张量。所以，到目前为止，我所做的所有训练都是在CPU上进行的。所以，如果我确保安装了正确版本的Cuda和cuDNN以及tenso
浏览 5提问于2020-08-20得票数 1
1回答
我一直在tensorflow教程中运行CIFAR10模型，以跨多个GPU进行训练。来源：配置: Tensorflow 0.8.0、CUDA7.5、cuDNN 4
训练性能的结果没有预期的可伸缩性。图形的模式看起来像Amdahl定律。如果是，你认为是什么原因造成的？
浏览 2提问于2016-04-22得票数 1
2回答
我一直在使用Tensorflow和OpenAI健身房做深度强化学习。我的问题是GPU利用率低。在谷歌搜索这个问题时，我明白在培训小型网络时期望大量使用GPU是错误的(例如。为了训练医生)。但我想我的神经网络并不是那么小。该体系结构类似于最初的deepmind论文中给出的架构(或多或少)。=2)
致密层(u
浏览 0提问于2018-01-26得票数 4
1回答
当我在Ubuntu 16.04的pycharm IDE中运行我的tensorflow训练模块时，它没有显示任何使用GPU的训练，它通常使用CPU进行训练。但是当我使用终端运行相同的python脚本时，它使用GPU训练来运行。我想知道如何在Pycharm IDE中配置GPU<e
浏览 153提问于2017-10-03得票数 1
回答已采纳
1回答
仅用CPU训练神经网络
、、、
我正在远程服务器上的虚拟机上工作，我想在它上训练一个神经网络，但是我在这个VM中没有GPU。是否可以仅使用CPU在此VM上训练网络？如果是这样的话，它是否适用于大型数据集，还是会成为一个问题？
浏览 1提问于2019-02-27得票数 0
我正在努力理解TensorFlow中主服务和工作人员服务的确切角色。第一个问题:我说得对吗?这意味着一项任务只与一名工人相关吗？
(1) ...to向客户端提供函数，以便客户机可以运行会话。
(2) ...to将工作委托给可用的工作人员，以便计算会话
浏览 6提问于2016-08-03得票数 14
回答已采纳
1回答
我有一台有2个GPU的机器。THEANO_FLAGS="device=cuda0" training_script.py THEANO_FLAGS="device=cuda1" predict
浏览 3提问于2018-07-23得票数 5
回答已采纳
我想知道在使用TensorFlow训练网络时，多GPU系统的“最佳实践”是什么？或者我应该自己指定在特定操作中应该使用哪个GPU TensorFlow？
到目前为止，我还没有对其进行基准测试，今天刚刚开始了一些GPU实验。编辑(慢多GPU性能)：经过一些测试，我是相当astonished...if的，我让TensorFlow决定如何分配和删除特定
浏览 3提问于2016-03-03得票数 8
回答已采纳
我已经构建了一个语义分割Keras (tensorflow后端)模型，并试图在google cloud ml引擎上对其进行训练。我有大约200,000 (256x256)个图像可以在小批量(10)上训练大约100个时期。当我只使用complex_model_m_gpu类型的主设备时，1个纪元几乎要花25个小时。我不确定Keras模型如何适应多GPU训练设备(例如，complex_model_m_gpu</em
浏览 11提问于2018-07-18得票数 2
1回答
我有一个使用python和tensorflow构建的模型。该模型经过训练，运行良好。我不知道该如何部署它？我的意思是，我如何调用此模型才能获得实际数据的分数？由于TensorFlow的原因，我无法使用Watson ML deploy。
浏览 1提问于2017-10-21得票数 0
2回答
我正在用TensorFlow建立复杂的神经网络。我有最新的Mac，使用我所有的核心，但我仍然需要几个小时来训练一个单一的网络。我需要对许多不同的调优参数进行网格搜索，所以这并不理想。这是一个个人项目，所以我想通过使用云来省钱。我已经广泛地使用了AWS，我喜欢使用他们的现货市场的想法，但是我听说亚马逊的GPU实例
浏览 0提问于2016-07-11得票数 4
我已经在Tensorflow 2.0中训练了一个模型，并且正在尝试改进当转移到生产时(在一个支持GPU的服务器上)的预测时间。通过阅读Nvidia对TensorRT的描述，他们认为使用TensorRT比单独使用Tensorflow可以加速7倍的速度。来源：
我已经训练了我的模型，并使用Tensorflow<e
浏览 9提问于2019-11-13得票数 4
回答已采纳
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
