Question

似乎它会自动使用gpu，但我不知道为什么。

首先，我声明如下

tf_config = tf.ConfigProto( allow_soft_placement=True )
tf_config.gpu_options.allow_growth = True
sess = tf.Session(config=tf_config) 
keras.backend.set_session(sess)

然后我定义如下模型

with K.tf.device('/gpu:0'):
    some keras model

很明显，它将使用gpu，并且我检查了它是否按预期使用了第一个gpu（索引为0）。

但是，我删除了该行

with K.tf.device('/gpu:0'):

并重新缩进所有keras模型。我运行了代码，看起来仍然像是使用第一个gpu（索引为0）。

在我的Ubuntu上，我使用nvidia-smi命令检查gpu的内存使用情况，然后在Windows上查看了进程管理器。

它们两者都占用gpu内存及其用法。

据我所知，如果我不将tensorflow用于其模型，则不会使用gpu。但是使用Keras时，它似乎自动使用了gpu ...是因为我运行了代码

tf_config = tf.ConfigProto( allow_soft_placement=True )
tf_config.gpu_options.allow_growth = True
sess = tf.Session(config=tf_config) 
keras.backend.set_session(sess)

还是我想念其他原因吗？

Answer 1

根据documentation，TensorFlow将在默认情况下使用GPU：

如果TensorFlow操作同时具有CPU和GPU实施，则将操作分配给设备后， GPU设备将被赋予优先级。例如，matmul同时具有CPU和GPU内核。 在具有设备cpu：0和gpu：0的系统上，将选择gpu：0来运行

keras是否会自动使用gpu？

1 个答案: