我想训练一个神经网络，同时使用MXNet在我的g2.8xarge EC2实例上使用所有4个GPU。我正在使用以下AWS Deep Learning Linux社区AMI：
深度学习AMI亚马逊Linux - 3.3_Oct2017 - ami-999844e0）
根据这些instructions，当我连接到实例时，我通过发出以下命令切换到带有MXNet后端的keras v1：
source ~/src/anaconda3/bin/activate keras1.2_p2
我还在我的python模型编译代码中添加了上下文标志，以便在MXNet中使用GPU：
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'], context=gpu_list)
其中gpu_list意味着使用所有4个GPU。
但是每次运行我的代码时，都会收到以下错误消息：
大纪元1/300 [15:09:52] /home/travis/build/dmlc/mxnet-distro/mxnet-build/dmlc-core/include/dmlc/logging.h:308：[15:09:52] src / storage / storage .cc：113：使用USE_CUDA = 1编译以启用GPU使用
和
RuntimeError：simple_bind错误。参数： dense_input_1：（25,34L） [15:09:52] src / storage / storage.cc：113：使用USE_CUDA = 1编译以启用GPU使用
我检查了/ home / ec2-user / src / mxnet中的config.mk文件，它包含USE_CUDA = 1。我还发出了'made'命令来尝试使用USE_CUDA = 1标志重新编译MXNet - 没有变化。
我是否遇到此问题，因为我正在使用AWS文档说要使用的虚拟环境？有没有其他人在使用此虚拟环境的AWS深度学习Ubuntu AMI上遇到MXNet这个问题？
非常感谢任何建议 -
答案 0 :(得分：3)
这是因为Keras Conda环境依赖于mxnet cpu pip包。您可以使用以下命令在Conda环境中安装gpu版本：
pip install mxnet-cu80