Question

即使tensorflow看起来运行得很好，Keras也没有使用我的GPU。我遵循其他人的建议使用以下方法检查张量流：

import tensorflow
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

哪个给

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 13541243483275802230
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 6694395576
locality {
  bus_id: 1
  links {
  }
}
incarnation: 17715053295272939021
physical_device_desc: "device: 0, name: GeForce GTX 1070, pci bus id: 0000:08:00.0, compute capability: 6.1"
]

到目前为止，一切都很好，但是当我在Keras中指定分类器并对其进行训练时，它的运行速度很快。没有GPU加速的迹象：

classifier.fit(X_train, y_train, batch_size = 10, epochs = 100, verbose=1)

我尝试过：

with tensorflow.device('/gpu:0'):
    classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

具有相同的结果。除了速度和明显的CPU使用率外，我不知道该如何判断Keras是否在使用GPU。

我还从tensorflow文档中运行了这个示例，在我的终端中，我可以清楚地看到它使用了GPU。它比上面的keras示例运行得快得多。导入张量流＃创建一个图形。 a = tensorflow.constant（[1.0，2.0，3.0，4.0，5.0，6.0]，shape = [2，3]，name ='a'） b = tensorflow.constant（[1.0，2.0，3.0，4.0，5.0，6.0]，shape = [3，2]，name ='b'） c = tensorflow.matmul（a，b）＃创建一个将log_device_placement设置为True的会话。 sess =张量流。会话（配置=张量流.ConfigProto（log_device_placement = True））＃运行操作。打印（sess.run（c））

非常感谢您帮助我们找出Keras为什么看不到我的GPU的帮助

我使用python 3.6.5，tensorflow-gpu 1.11.0（未安装tensorflow），keras 2.2.4。我需要提及的是，我不得不花一会儿时间才能使用Tensorflow才能使用GPU，但我仍然不知道为什么它突然出现了，但是现在一直如此。我的假设是Keras会自动继承。

A。

Answer 1

我不再完全确定最初提出的问题。我认为Keras确实在使用GPU，但是CPU和GPU之间存在很大的瓶颈。当我增加批处理大小时，运行速度明显加快（对于每个时期），这没有多大意义，但似乎表明我在其他地方存在瓶颈。我不知道该如何调试

Answer 2

您可以尝试删除keras，然后安装keras-gpu（在anaconda中可用，也许在pip中也可用）

如果要确保使用with tensorflow.device('/gpu:0'):，请在“定义模型时”使用它：

with tensorflow.device('/gpu:0'):

    #blablablabla - layers for functional API model

    classifier = Model(inputs, outputs) #or classifier = Sequential()

    #blablabla - layers for sequential model

keras没有使用gpu但是tensorflow是

2 个答案: