我正在使用keras和tensorflow作为后端。 我连接到带有两个GPU(1080ti)的服务器。 但是,当我运行代码时。我的代码只是忽略了我强大的资源。 这是一些信息
$ nvidia-smi在运行代码时:
我的GPU信息之一:
我确实在1.9.0版中安装了tensorflow-gpu
$ pip show tensorflow-gpu:
似乎可以成功检测到我的GPU。
那是什么问题?
答案 0 :(得分:0)
keras倾向于安装tensorflow-cpu。
检查点列表中的tensorflow-cpu并将其删除。 您还可以运行以下代码来尝试强制TF使用GPU。
def get_available_devices():
local_device_protos = device_lib.list_local_devices()
return [x.name for x in local_device_protos]
get_available_devices()
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
with tf.Session() as sess:
print (sess.run(c))
答案 1 :(得分:0)
您可以通过Tensorflow指定正在运行的设备:
$('div[data-target="111222"]').css('order', '2');
$('div[data-target="222333"]').css('order', '1');