Question

我想用GPU设备训练我的自定义模型。我想知道客户能否通过CPU使用它吗？

Answer 1

是的，您需要在GPU上进行繁重的训练，节省权重，然后您的CPU只会对预测进行矩阵乘法。

在Tensorflow和Keras中，您可以训练模型并保存神经网络权重：

Tensorflow：

# ON GPU
with tf.Session() as sess:
  sess.run(init)
  save_path = saver.save(sess, "/tmp/saved_model.ckpt")

# ON CPU
with tf.Session() as sess:
    saver.restore(sess, "/tmp/saved_model.ckpt")

凯拉斯：

model.save_weights('your_model_weights.h5')
model.load_weights('your_model_weights.h5')

使用sklearn算法，您可以通过以下方式节省权重：

model=XGBClassifier(max_depth=100, learning_rate=0.7, n_estimators=10, objective='binary:logistic',booster='gbtree',n_jobs=16,eval_metric="error",eval_set=eval_set, verbose=True)
clf=model.fit(x_train,y_train)
from sklearn.externals import joblib
joblib.dump(clf, '/path/your_model.joblib')

model = joblib.load('/path/your_model.joblib')
model.predict(X_train)

是否可以在GPU上训练模型，然后在CPU上进行预测

1 个答案: