Question

我认为它应该与with tf.device("/gpu:0")一起使用，但我应该把它放在哪里？我不这么认为：

with tf.device("/gpu:0"):
    tf.app.run()

那么我应该将它放在main()的{{1}}函数中，还是我用于估算器的模型函数中？

编辑：如果这有帮助，这是我的tf.app功能：

main()

正如你所看到的，我在这里的任何地方都没有明确的会话声明，所以我在哪里放置def main(unused_argv): """Code to load training folds data pickle or generate one if not present""" # Create the Estimator mnist_classifier = tf.estimator.Estimator( model_fn=cnn_model_fn2, model_dir="F:/python_machine_learning_codes/tmp/custom_age_adience_1") # Set up logging for predictions # Log the values in the "Softmax" tensor with label "probabilities" tensors_to_log = {"probabilities": "softmax_tensor"} logging_hook = tf.train.LoggingTensorHook( tensors=tensors_to_log, every_n_iter=100) # Train the model train_input_fn = tf.estimator.inputs.numpy_input_fn( x={"x": train_data}, y=train_labels, batch_size=64, num_epochs=None, shuffle=True) mnist_classifier.train( input_fn=train_input_fn, steps=500, hooks=[logging_hook]) # Evaluate the model and print results """Code to load eval fold data pickle or generate one if not present""" eval_logs = {"probabilities": "softmax_tensor"} eval_hook = tf.train.LoggingTensorHook( tensors=eval_logs, every_n_iter=100) eval_input_fn = tf.estimator.inputs.numpy_input_fn( x={"x": eval_data}, y=eval_labels, num_epochs=1, shuffle=False) eval_results = mnist_classifier.evaluate(input_fn=eval_input_fn, hooks=[eval_hook])？

Answer 1

使用估算器，没有任何声明，如

sess = tf.Session(config = xxxxxxxxxxxxx)

既不是

的陈述

sess.run()

所以......遗憾的是，张量流网络中没有完整的文档。我正在尝试使用RunConfig的不同选项

# Create a tf.estimator.RunConfig to ensure the model is run on CPU, which
# trains faster than GPU for this model.
run_config = tf.estimator.RunConfig().replace(
        session_config=tf.ConfigProto(log_device_placement=True,
                                      device_count={'GPU': 0}))

尝试使用它...实际上我正在处理类似你的任务，所以如果我得到一些进展，我会在这里发布。

看看这里： https://github.com/tensorflow/models/blob/master/official/wide_deep/wide_deep.py 在这个例子中，他们使用上面显示的代码和.replace语句来确保模型在CPU上运行。

Answer 2

您可以将它放在模型函数的开头，即，当您定义模型时，您应该写：

model = Model(rn50.input, 
        Dense(len(possible_labels), activation='softmax')
        (rn50.get_layer(layer_name).output))

但是，我希望tensorflow能够自动为你的模型使用gpu。您可能想检查是否已正确检测到它：

import numpy 
try: from StringIO import StringIO
except ImportError: from io import StringIO

foo = '16.72083152\t12.91868366\t14.37818919\n16.9504402\t7.81951173\t12.81342726\n'
fn = StringIO.StringIO(foo) #make a file object from the string
data = numpy.loadtxt(fn) #use loadtxt with default settings.

Answer 3

我想知道使用tf.contrib.distribute指定设备放置策略是否有效。

def main(unused_argv):
    """Code to load training folds data pickle or generate one if not present"""

    strategy = tf.contrib.distribute.OneDeviceStrategy(device='/gpu:0')
    config = tf.estimator.RunConfig(train_distribute=strategy)

    # Create the Estimator
    mnist_classifier = tf.estimator.Estimator(
        model_fn=cnn_model_fn2,
        config=config,
        model_dir="F:/python_machine_learning_codes/tmp/custom_age_adience_1")

    ......

Tensorflow - 如何为tf.Estimator（）CNN使用GPU而不是CPU

3 个答案: