我在我的anaconda基础环境中安装了tensorflow包。我注意到从2.1版开始,它同时包含CPU和GPU软件包。现在,在导入时,语法将保持不变,即import tensorflow as tf
但如果我只想使用CPU版本(当网络较小且在GPU上运行可能较慢时)或GPU版本(对于其余部分),我如何指定?
我正在尝试安装tensorflow-gpu,其版本为2.0.0-字母0。我尝试过这两个特定的命令:
pip install tensorflow-gpu==2.0.0-alpha0
pip install -U --pre tensorflow-gpu==2.0.0-alpha0
pip说:
Collecting tensorflow-gpu==2.0.0-alpha0
Could not find a version that satisfies the requirement tensorflow-gpu==2.0.0-alpha0 (from versions: )
No matchin
以下代码: import time
import tensorflow as tf
tf.enable_eager_execution()
def time_matmul(x):
start = time.time()
for loop in range(10):
tf.matmul(x, x)
result = time.time() - start
print("10 loops: {:0.2f}ms".format(1000 * result))
# Force execution on CPU
print(
我正在训练一个神经模型,使用keras和tensorflow作为后端。日志文件以以下消息开头: nohup: ignoring input
2019-02-12 17:44:29.414526: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 AVX512F FMA
2019-02-12 17:44:30.191565: I tensorflow/core/c
keras tensorflow-cpu后端和tensorflow-gpu后端(代码)有区别吗?如果我想将tensorflow从cpu更改为gpu,我需要添加哪些代码或设置哪些环境变量?
从我知道我可以使用tf.devices -类似于下面的代码。但是,如果我想要整个代码,而不仅仅是一部分在GPU上运行呢?
with tf.device('/gpu:0'):
x = tf.placeholder(tf.float32, shape=(None, 20, 64))
y = LSTM(32)(x) # all ops in the LSTM layer will
因此,我在我的笔记本电脑上安装了Tensorflow for Python3.5,这是一台托管Nvidia Geforce Pascal GPU的Windows机器。我还安装了CUDA并下载了cuDNN,并将其添加到PATH变量中。我的tensorflow代码可以编译,但如果我监视我的GPU,我可以看到,它不计算任何东西,相反,我的CPU正在做所有的工作。我还在控制台中得到一条输出,确认检测到GPU:
2017-06-02 15:22:22.140283: W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tens
我试图在上运行单词嵌入示例代码(安装在Ubuntu14.04下的tensorflow GPU版本中),但它返回以下错误消息:
Found and verified text8.zip
Data size 17005207
Most common words (+UNK) [['UNK', 418391], ('the', 1061396), ('of', 593677), ('and', 416629), ('one', 411764)]
Sample data [5239, 3084, 12, 6, 195, 2
我试图使用Keras构建CNN模型,然后下载了Tensorflow的gpu版本(因为我有GTX 1050Ti)。一切都正常运行(导入和设置模型),直到我想要将数据拟合到模型中,然后发生了如下错误。我还在只有cpu的环境中测试了代码,一切正常。我想知道我的gpu设置是否有问题?如果是,如何修复?提前感谢!
An error ocurred while starting the kernel
2018 01:54:24.393675: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your
我一直试图在我的GPU上运行我的神经网络,但由于某些原因,在创建设备时,Tensorflow不会看到全部的RAM内存,而是专注于2 2GB的空闲内存。
Using TensorFlow backend.
2018-05-25 11:00:56.992852: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this Ten
sorFlow binary was not compiled to use: AVX2
20
我想在我的Ubuntu14.04机器上使用GPU0.12的TensorFlow。
但是,在将设备分配给节点时,我得到了以下错误。
InvalidArgumentError (see above for traceback): Cannot assign a device to
node 'my_model/RNN/zeros': Could not satisfy explicit device specification
'/device:GPU:0' because no devices matching that specification are reg