0回答
我正在使用tensorflow和Titan-X GPU，我注意到，当我运行CIFAR10示例时，Volatile GPU-utilization相当稳定在30%左右，而当我训练自己的模型时，VolatileGPU-utilization远远不稳定，它几乎总是0%，在80/90%的峰值之前，一次又一次地回到0%。
浏览 9提问于2016-07-11得票数 7
回答已采纳
我正在尝试使用TensorFlow对象检测应用编程接口执行多GPU训练。 我在我的NVIDIA-SMI中看到的是，实际上只有1个GPU被使用。提供的其他3个GPU加载了GPU进程，但内存使用率为300MB，利用率始终为0% 我使用在COCO上预先训练的基于固态硬盘MobileNetV1的网络，然后用我的自定义数据集对其进行训练。我希望当我为Tensorflow提供更多的GP
浏览 49提问于2019-10-09得票数 3
当我运行一个模型(使用tensorflow.keras构建)时，我发现CPU利用率显著增加，GPU利用率为0%，而模型就是没有训练。0%的GPU利用率。为什么我的tensorflow-gpu安装只使用CPU？花了几个小时几乎没有进展。_0
tensorflow-gpu 1.11.0
浏览 1提问于2018-10-20得票数 2
1回答
我在后台使用带有tensorflow-gpu的Keras，我没有安装tensorflow (CPU - version)，所有的输出都显示选择了GPU，但是tf正在使用CPU和系统内存。当我运行代码时，输出是：运行代码后，我尝试了nvidia-smi来查看gpu的使用情况，输出是：。Tensorflow-gpu = "1.12.0"
CUDA toolkit = &
浏览 1提问于2018-12-21得票数 7
回答已采纳
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_gpu_model 的tensorflow</em
浏览 0提问于2019-03-06得票数 0
运行于Ubuntu16.04，最新(1.1.0) tensorflow (通过pip3 install tensorflow-gpu安装)，CUDA8 + CUDNN5。/core/common_runtime/gpu/gpu_device.cc:908] DMA: 0
2017-06-15 10:24:41.564942: I tensorflow/core/common_runtime/g
浏览 4提问于2017-06-15得票数 1
回答已采纳
我的目标是弄清楚在推理过程中，保存为.pb文件的TensorFlow模型使用了多少GPU内存。通过将per_process_gpu_memory_fraction限制为值0.01并在输入图像上成功运行模型，我预计内存使用量为120MB (基于12,000MB GPU)。conf = tf.ConfigProto()session = tf.Session(con
浏览 59提问于2020-01-07得票数 2
1回答
我正在尝试使用带有tensorflow后端的keras来训练ResNet50模型。我使用的是一个sagemaker实例ml.p3.2xlarge，但是我的培训时间非常长。我使用的是conda_tensorflow_p36内核，我已经验证我安装了tensorflow-gpu。
训练时间截图。
虽然使用的是<
浏览 1提问于2022-04-13得票数 0
回答已采纳
2回答
我用keras和tensorflow后端建立了顺序模型。正如你在图片上看到的，模型使用所有的核心，但没有一个100%。我想知道，如何使keras+tf 100%地利用每一个核心。我试着从头开始构建tensorflow并重新安装，但是没有帮助。
浏览 2提问于2017-04-20得票数 7
回答已采纳
1回答
我安装了tensrflow-gpu。在其他环境中，它比仅在CPU上运行快近12倍。GPU环境： CPU =20% GPU = 10%训练时间=24秒我想知道GPU在10%上运行是否正常
浏览 3提问于2020-05-05得票数 2
我在批量大小为20的(512,512)图像上使用efficeint (6300万个参数)进行迁移学习。我的GPU内存利用率如下-
如你所见，它几乎填满了所有的3个GPU(几乎80%)。我的问题是，是否有任何理论上的方法来计算正在显示的GPU内存利用率是模型在特定图像和批处理大小下所需的，还是在我的GPU中存在内存泄漏？
浏览 2提问于2020-05-26得票数 1
我使用的是带有Ubuntu 14.04的AWS g2.8xlarge，以及最近的每晚构建的tensorflow (我于8月25日下载)。从表面上看，CPU和GPU的利用率都很低。以下是系统监视器和nvidia-smi (每2秒更新一次)在运行约20秒时的快照：
如您所见，GPU利用率为19%。当我使用nvprof时，我发现GPU的总处理时间大约是27秒左右。这些数字一直保持在这个水平左右，直到我在整个训练集上测量误差的时期结束，将GPU</e
浏览 15提问于2016-09-08得票数 2
当使用Tensorflow训练网络时，我们如何减少GPU的空闲时间？要这样做:-
我使用多个Python线程对数据进行预处理，并将其提供给tf.RandomShuffleQueue，TensorFlow从那里获取数据。然而，在执行nvidia-smi时，我仍然发现我的GPU仍然从100%利用率转到0%利用率，并且经常返回到100%。注意：我正在使用一个12 GB的泰坦X GPU (Maxwell架构)
浏览 2提问于2017-04-19得票数 2
根据https://www.tensorflow.org/lite/convert的指示，我已经将tensorflow推理图转换为tflite模型文件(*.tflite)。我在我的GPU服务器上测试了tflite模型，它有4个Nvidia TITAN GPU。我使用tf.lite.Interpreter加载并运行了tflite模型文件。它像以前的tensorflow图一样工作，然而，问题是推理变得太慢了。当我检查原因时，我发现tf.lite.Interpreter运
浏览 45提问于2019-09-05得票数 3
我有一个张量A，形状为a，n，我需要用另一个b，n形的张量 b 来执行op my_op，使得由此产生的张量C具有a，b的形状。(在我的12核心机器上)当使用GPU运行时，我看到GPU利用率很低(~15%)，在我的一个CPU核心上是100%。当只在CPU上运行时，我看到所有CPU核都有100%的利用率。仅运行5个CPU的平均定时：11.33s上面的测试使用了官方的Tensorflow坞映像：tensorflow&
浏览 9提问于2017-10-31得票数 15
我已经安装了Tensorflow 1.4 GPU版本。Cuda8也被安装了。
我用MNIST数据训练了我的简单的GAN网络。我有AMD FX 8320 CPU，16 FX系统内存和SSD硬盘驱动器。在具有1GB内存的GeForce 720 GPU上，每小时大约需要17秒钟。训练使用了25%的GPU和99%的内存。CPU负载很高，接近100%。然后，我用GeForce1050、Ti、GPU和4Gb内存插入了其他视频板，而不是以前的。GPU加载时间为5-6%，内存利
浏览 1提问于2017-12-28得票数 2
1回答
深度学习CNN吃VRAM
、、、
我最近开始构建自己的小型深度学习设备，配备了ryzen 53600处理器、32 GPU内存和8gp VRam的RTX2080Super 使用tensorflow处理CNN(这是我的大部分工作)时，我发现大部分VRam几乎立即被占用(7.8 GPU中使用了7.8 GPU)，而GPU利用率约为35% 为了与tesnofrflow v2兼容，我安装了最新的驱动程序并运行了CUDA v10.0。
浏览 33提问于2020-01-31得票数 0
回答已采纳
在python (tensorflow- GPU )中，所有操作系统都使用GPU(使用log_device_placement)：out/BiasAdd: (BiasAdd): /job:localhost/replica:0/task:0/
浏览 3提问于2017-12-04得票数 2
1回答
我希望在三维数据集中使用tensorflow模型实现增强。使用此函数的Tensorflow代码如下：ds_validds_valid = ( .prefetch(buffer_size=AUTOTUNE)
initial_epoch = 0我计算repeat_count来创建1000批大小为batch
浏览 6提问于2021-02-05得票数 0
2回答
我正在尝试使用我的gpu NVIDIA GEFORCE GTX 1050，与tensorflow一起训练神经网络。我尝试了不同的代码例子不同的神经网络，其结果是GPU利用率为8%，计算比CPU慢得多。
浏览 0提问于2018-09-04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
