1回答
脚本运行正常，并且它使用的是GPU，因为当脚本最终运行时，我已经看到CUDA GPU性能上的活动。 然而，实际开始运行模型需要166秒，运行模型需要3秒。我的设置如下： GPU NVIDIA RTX3060CUDNN/gpu_device.cc:1703] Adding visible gpu d
浏览 187提问于2021-04-19得票数 0
回答已采纳
你好，为了获得一个聊天机器人，我正在尝试测试下面的Seq2Seq模型，我正在遵循本教程：
python execute.py按照存储库指令，模型开始训练，这是输出，主要问题是，我的计算机已经计算了大约2天零9小时的结果，使用所有处理器，我的计算机的规格如下：
Ram: 1
浏览 4提问于2017-02-26得票数 1
回答已采纳
1回答
我想知道使用GPU是否会有效，如果我使用的政策(如PPO) RL作为模型？我最近训练了一个模型，GPU的利用率约为2%。
浏览 0提问于2021-10-13得票数 1
回答已采纳
我有一个神经网络，需要7到15天的时间来训练几个GPU。Google在运行脚本几个小时后断开了连接。您可以做一些“黑客”来保持会话的活力，但这显然不是官方的标准。一旦我用google编写了我的脚本，我应该如何长时间地运行这个脚本呢？我连接并使用谷歌的深度学习虚拟机。
浏览 1提问于2021-04-09得票数 4
回答已采纳
我使用了Tensorflow(CPU版本)作为我的深度学习模型。具体使用DNNRegressor估计进行训练，给定参数集(网络结构、隐层、α等)。虽然我能够减少损失，但模型花了很长时间来学习(大约3天)。时间是每100步9秒。我研究了这篇文章:- 并发现GPU的学习速度更快。所以我从AWS (单核GPU)中获得了p2.xLargeGPU。
4例(VCPU)，12例(ECU)，61例(M
浏览 2提问于2017-10-09得票数 0
我有一个8-GPU的服务器，我想同时在每个服务器上训练一个神经网络。我有几十个这样的网络要训练，我想安排训练任务。目前，我正在为这个调度任务编写自己的bash脚本。，--device标志选择要使用的图形处理器，而其他标志只是确定我的深度神经网络的超参数。此脚本的作用是，对于for循环的每次迭代，它在每个GPU上启动一个训练任务，并等待所有任务完成后</em
浏览 36提问于2019-10-30得票数 0
回答已采纳
2回答
我希望你能帮助我，因为我有一些关于这个话题的问题。我是深度学习领域的新手，虽然我做了一些教程，但我无法将概念联系起来或区分开来。
浏览 0提问于2014-10-11得票数 28
在大多数情况下，我经常听说，为了做一个深入的学习实验，强烈建议使用GPU。它使计算速度比CPU快得多，听起来像是一个神奇的工具(虽然我使用MacBook.)无法使用它。然而，使用GPU是否有任何单一的缺点，除了较高的货币成本？比如坠毁的可能性更高等等？
浏览 0提问于2017-05-27得票数 1
我使用的是来自谷歌市场的谷歌深度学习虚拟机，我选择了NvdiaK80图形处理器。我正在尝试使用对象检测API训练对象检测模型。然而，我注意到tensorflow在默认情况下并不使用GPU (检查代码如下) 我在这里假设这个实例附带了所有需要的NVIDIA驱动程序，所以它不是一个与驱动程序相关的问题。进一步的调查显示，我安装了两个Tensorflow (tensorflow 1.12.0和tensorflow-
浏览 30提问于2018-12-22得票数 1
回答已采纳
1回答
我需要同时使用NVIDIA数字和tensorflow 对象检测API进行不同的深度学习。我有点迷失在兼容性问题上，特别是有关数据自动化系统的问题。那么，我应该选择哪个版本的数字，Tensorflow-gpu，CUDA和对象检测API，以使一切正常工作？
浏览 0提问于2018-04-30得票数 1
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_api.v2.config‘没有属性'experimental_list_devices')
用于深度学习框架
浏览 0提问于2020-02-05得票数 1
我对深入学习及其概念是陌生的。在阅读了一段时间后，我了解到无监督的深度学习技术通常试图重建输入数据(可能使用编码器和解码器的维数较少)，并通过优化重构误差来训练网络。但是，我无法想象这些方法是如何用于解决实际任务的(除了异常检测，例如聚类)。
注意:如果我对无监督的深度学习技术的理解是错误的，你可以纠正我。
浏览 0提问于2020-01-31得票数 2
1回答
我正在AWS的深度学习AMI (ubuntu 12)中使用keras训练NN。
如何确保Jupyter Notebook中的脚本使用GPU？
浏览 16提问于2018-08-20得票数 0
回答已采纳
正在将和MPI组合成一个用于分布式深度学习的包装器，例如TensorFlow。我以前没有听说过NCCL，我正在研究它的功能。以下是NVIDIA网站上关于NCCL的说明：
NVIDIA集体通信库(NCCL)实现了对NVIDIA GPU性能进行优化的多GPU和多节点集体通信原语。从关于NCCL的中，我了解到NCCL是通过PCIe、NVLink、原生Infiniband、以太网工作的，它甚至可以通过RDMA检测<
浏览 2提问于2018-11-27得票数 11
1回答
嗨，我一直在做一个有距离计算的对象检测脚本。我用的是realsense D 455-C相机。我发现了一个使用OpenCV进行对象检测的演示，并添加了一些距离计算。我的问题是，框架下降到类似5-8fps，只有当我运行对象检测时，我有另一个脚本，它只运行正常的颜色流和深度，并在30 8fps时平稳运行。我已经搜索过这个问题，但找不到任何有用的东西，任何帮助都将不胜感激！RealSens
浏览 29提问于2022-06-14得票数 0
现在我正在研究一个深度学习问题。我正在尝试在matlab中使用卷积神经网络。但是文档上说，我们需要用于gpu计算的NVIDIA显卡。我可以在没有GPU计算的情况下运行这些算法吗?会有什么效果(在时间差方面)。
浏览 3提问于2016-06-13得票数 1
我发现Amazon有一个专用的深度学习AMI，预装了TensorFlow、Keras等(更不用说其他预先构建的定制AMI)。我在几个基于GPU的实例上试用了这个典型的工作来查看性能。爱尔兰地区有五个这样的地区(也许在其他地区还有更多，我不知道，这种差异有点令人困惑)：g2.8xlargep2.8xlarge我的第一个问题是，这两组之间的区别是什么
浏览 0提问于2017-03-13得票数 6
回答已采纳
1回答
我正在使用我的MacBookPro。我正在尝试运行mxnet演示代码，执行时间非常慢。执行代码需要很长时间。这是正常的吗？我也想运行mxnet上的覆盆子Pi 3。
浏览 21提问于2016-11-25得票数 1
回答已采纳
在AWS中，我遵循了中的指令，并使用社区ami-97591381 (h2o版本: 3.13.0.356)启动了一个g2.2xlarge EC2。这是我的代码，当我将S3链接公开时，可以运行这些代码：library(jsonlite)非GPUModel Details:
H2OBinomialModel: deepl
浏览 2提问于2018-01-16得票数 1
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
