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<em
浏览 0提问于2019-03-06得票数 0
我使用Keras API在Tensorflow 2.0中训练了一个包含RNN的文本分类模型。我使用的tf.distribute.MirroredStrategy()在多个GPU(2)上训练了这个模型。我在每个时期之后使用tf.keras.callbacks.
浏览 49提问于2019-08-06得票数 5
Tensorflow Keras模型和Tensorflow估计器都能够训练神经网络模型，并使用它们来预测新数据。它们都是建立在低级核心TensorFlow应用程序接口之上的高级API。那么我应该在什么时候使用一个而不是另一个呢？
浏览 6提问于2018-07-21得票数 59
回答已采纳
1回答
我使用下面的代码在一个UCF101数据集上训练CNN，但是由于数据集的大小，训练时间太长了。step) train_writer.close()现在我想在一个有10个节点的GPU集群上训练CNN，每个节点都有一个i7 7700 CPU, GTX1060 6GB GPU, and
浏览 3提问于2020-10-03得票数 1
回答已采纳
我正在尝试加载一个Keras模型，它是在Azure VM (NC promo)上训练的。但是我得到了以下错误。TypeError:传递给optimizer:learning_rate的意外关键字参数
下面是我用来加载模型的代码片段：
from keras.models import load_model
浏览 5提问于2019-09-20得票数 17
回答已采纳
2回答
根据TensorFlow的说法，我已经在M1 (ARM) Mac上安装了。一切都很好。
然而，模型培训正在CPU上进行。加载项的后端。device_name的默认值是“any”，这意味着multiple将选择系统上最好的可用设备，包括多个GPU配置上的多个GPU。其他可用的选项是CPU和<em
浏览 3提问于2021-04-19得票数 6
回答已采纳
1回答
我正在R中训练多个模型，过了一段时间，我的内存就用完了。 从基本的googling搜索来看，tensorflow会话似乎在R中的对象被覆盖后将内容保存在内存中。这是其他人遇到的问题，但是我没有看到特别对R中的keras有帮助的答案。Keras: release memory after finish training process Te
浏览 98提问于2021-11-16得票数 5
1回答
使用CPU加载模型权重时内存不足
、、、、
1.我训练了我的GPU深度学习模型。import keras 和我想要加载模型，并使用但是得到了以下错误tensorflow.python.framework.errors_impl.InternalError: CUDA runtime
浏览 1提问于2021-01-13得票数 0
回答已采纳
1回答
我试图使用多个GPU在vast.ai上运行一个keras模型。为此，我使用的是keras.utils.multi_gpu_model，但是一直存在以下错误： model = multi_gpu_model(model)
AttributeError:模块'tensorflow
浏览 0提问于2020-02-05得票数 1
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<
浏览 11提问于2018-07-18得票数 2
我使用Keras和tensorflow作为后端。我有一个编译/训练的模型。...我知道在纯Tensorflow中可以将操作分配给给定的图形处理器然而
浏览 3提问于2017-02-23得票数 13
回答已采纳
假设我有两个keras模型实例model0和model1以及数据集data0和data1。如果我有两个或更多的GPU，有没有一种方法可以在GPU0上并行训练model0，在GPU1上并行训练data1上的model1？到目前为止，我发现的所有方法都将单个模型的训练分散到<em
浏览 2提问于2018-08-09得票数 0
我在GPU上训练了一个模型，现在我正试图在CPU上对其进行评估(GPU正用于不同的训练运行)。但是，当我尝试使用以下命令加载它时： with tf.device('/cpu:0'):
model = tf.keras.models.load_model('models/resnet50_untrained.
浏览 33提问于2019-10-17得票数 2
回答已采纳
3回答
我正在尝试创建一个非常大的Keras模型，并将其分布在多个GPU上。需要说明的是，我并不是想把同一模型的多个副本放在多个GPU上；我是想把一个大模型放在多个GPU上。我一直在使用Keras中的multi_
浏览 48提问于2019-02-06得票数 0
回答已采纳
随着Keras成为TensorFlow的API，有许多旧版本的Keras代码，比如。from keras import modelsfrom tensorflow.keras import models
浏览 1提问于2019-01-08得票数 8
回答已采纳
当使用TensorFlow的Keras顺序API时，有没有办法强制我的模型在特定的硬件上进行训练？我的理解是，如果有GPU可用(我安装了tensorflow-gpu )，默认情况下，我会在GPU上进行培训。 我是否必须切换到不同的API以获得对模型部署位置的
浏览 14提问于2020-01-01得票数 0
回答已采纳
如何在GCP上有多个CPU和GPU的机器上使用tensorflow 2后端训练keras模型？tf是否在后台自行处理进程？如果是这样，我如何验证它？任何简单的示例代码都是受欢迎的。
浏览 53提问于2020-04-25得票数 0
回答已采纳
我正在使用colab来训练一个tensorflow模型。我看到google colab默认安装了以下版本：tensorflow.model.save('mymodel.h5')import keras
浏览 0提问于2021-10-17得票数 0
1回答
用RBF神经网络进行测试
、、、、
我试图在五月份笔记本电脑上运行这段代码代码，我更改了以下软件包：
从tensorflow.python.keras.models导入load_model每当我运行
浏览 22提问于2022-08-08得票数 0
回答已采纳
我目前正在学习Keras。我的问题是，如果我在一个像RTX泰坦这样的高端GPU上训练一个模型，我能否导出这个模型，将它加载到另一个低端机器上的一个新程序中，然后只使用CPU进行预测。这有可能吗？理论上，我认为这就是机器学习的方式。该模型是在高端GPU上<em
浏览 1提问于2020-09-04得票数 1
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
