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？
浏览 17提问于2019-01-20得票数 2
回答已采纳
我的GPU是NVIDIA RTX 2080 TITensorflow-gpu 1.12.0加载构建模型后(在编译之前)，我发现GPU内存已完全分配我试着监控GPU的内存使用情况，发现它在构建层之后就满了(在编译模型之前)。
浏览 9提问于2019-07-16得票数 0
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，以至于在2
浏览 18提问于2019-04-22得票数 4
回答已采纳
我使用木星笔记本运行带有Tensorflow GPU后端的Keras。我的GPU是一个GeForce GTX 960米，它没有问题运行游戏。运行Keras时温度也很低。我注意到的是，Keras在开始时运行良好(例如加载或训练模型)，但是每当Keras不运行任何东西时，GPU自然希望从1097 MHz空闲到0 MHz，并且一旦出现GPU崩溃。(config=conf
浏览 1提问于2018-11-01得票数 1
我在Windows10中使用Keras2.0.8和TensorFlow 1.3.0，你知道为什么没有使用所有内存吗？或者至少接近它。当我开始运行进程时输出：
名称: GeForce GTX 1060总内存: 6.00GiB
在这个例子中(当它崩溃是因为OOM)显示限制是
浏览 3提问于2017-09-03得票数 2
我想在我的GPU上运行这个Keras模型，但是它运行在我的cpu上，我用Plaidml来使用我的 GPU，plaidml是正确设置的，它运行在其他的模型上--我想也许我是在导入tensoflow，但我不确定，我需要在GPU上运行这个模型，我有其他不导入tensorflow的模型，它们与Plaidml很好地工作。源代码environ
浏览 6提问于2021-12-05得票数 1
回答已采纳
我正在按顺序训练多个模型，如果我保留所有模型而不进行任何清理，这将消耗大量内存。然而，在TensorFlow2.x中，我没有意识到有任何方法可以绘制图形并释放GPU内存。我试过但没有用的东西tf.compat.v1.reset_default_graph也不起作用
浏览 0提问于2021-09-23得票数 0
我有一个Python应用程序，它提供TensorFlow / Keras模型推理服务。可以为多个不同的客户端同时加载和使用多个不同的此类模型。客户端可以请求加载另一个模型，但这对其他客户端没有任何影响(即它们的模型保留在内存中并按其本身使用，因此每个客户端都可以请求加载另一个模型，而不管其他客户端的状态如何)。根据我在中看到的内容，您可能希望清除一个Keras会话，以便通过调用tf.<em
浏览 3提问于2021-01-14得票数 3
回答已采纳
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
from tensorflow.python.client import device_lib
local_device_protos =device_lib.list_local_devices()get_available_gpus()
'/device: gpu :0'，&
浏览 20提问于2019-11-17得票数 1
1回答
我正在尝试使用我的GPU而不是CPU来训练一个定制的对象检测模型。我遵循了以下教程中给出的所有说明：但是问题是，在训练了几秒钟之后-29 15:01:20.504027: I
浏览 11提问于2020-12-29得票数 0
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，gpu利用率为97% - 100%：
创建multi_gpu模型
正如multi_<e
浏览 0提问于2019-03-06得票数 0
1回答
DSVM GPU内存不足
、、、
服务器运行Flask、Apache和Keras。问题是，即使使用我的模型进行预测的批处理大小很小，GPU也会耗尽内存。在没有运行的情况下，12 is的GPU使用了超过10 is的内存。也许这是因为Apache的一个问题。
浏览 4提问于2018-01-31得票数 0
在Keras，我正在训练一个模型，如下所示 samples_per_epoch = count, callbacks=getCallBacks(),在data_generator在fit_generator函数之上运行时，打印data_generator(
浏览 0提问于2018-06-19得票数 4
1回答
非常简单，我如何知道当我通过Keras在tensorflow中构建Sequential()模型时，它将使用我的GPU？通常，在火炬，所以很容易使用‘设备’参数，可以通过nvidia-smi波动度验证。我在TF中构建模型时尝试过，但是nvidia显示所有GPU设备的使用率为0%。
浏览 1提问于2021-06-14得票数 0
我在中运行示例Keras2DML代码时遇到了一些问题。在运行代码时，我得到了这个错误： File "/home/fregy/kerasplayground/sysml/examplenn.py", line 12, in <module>
sysml_model = Keras2DML(spark, keras_model,i
浏览 6提问于2018-02-01得票数 0
我使用optuna包来优化我的模型，并且使用这个选项一次运行多个作业。当我运行这个时，我得到：
Trial failed because of the following error: ValueError('The name "dense" is used 3 times我有了tensorflow.keras.backend.clear_session()，当我删除它时，我就不会再得到错误了。这个可以移除吗？影响是什么？对此还有别的解决办法吗？
浏览 1提问于2020-09-13得票数 1
回答已采纳
该模型主要构建在inception和LSTM之上，并由Keras在TensorFlow2.x上实现。保存的模型参数仅占用2M空间。该模型是动态训练的，批次大小为32，每批0.25M的数据量。然而，我观察到它需要1G的GPU内存。我找不到原因，也不知道在训练期间可以使用哪些工具来监控模型不同部分的GPU内存成本。
浏览 0提问于2021-04-20得票数 0
我用Keras和Tensorflow编写了一个神经网络模型，并且能够训练和运行它。此时，我想知道训练模型需要多少内存。如何在培训阶段打印这些信息？我尝试了下面的Keras模型分析器，但它没有解释训练阶段所需的峰值内存。例如，训练我的模型显示在6GB的GPU卡上内存不足，但是配置文件显示内存需求小于1GB。那么，当我在model.fit()中使用<
浏览 2提问于2022-01-18得票数 2
回答已采纳
我有一个LSTM模型，我想训练多个gpus。我对代码进行了转换，在nvidia-smi中，我可以看到它正在使用所有gpu的所有内存，每个gpu都在使用大约40%的内存，但每批培训的估计时间几乎与1个gpu相同。我的代码：from
浏览 26提问于2019-11-28得票数 1
回答已采纳
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
