在具有CPU支持的模型训练中,CUDA GPU的替代方案是什么?

时间:2019-10-16 07:37:52

标签: python tensorflow gpu pytorch cpu

我没有启用CUDA的GPU,但是我有i7处理器和16GB Ram 1 GB amd图形卡

我想禁用该选项,并且需要使用CPU本身来训练模型

mycodes

parser = argparse.ArgumentParser()
parser.add_argument("--gpu", dest='gpu', type=str, default='0',                       help='Set CUDA_VISIBLE_DEVICES environment variable, optional')   
os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu
params = vars(args)

如何更改为cpu版本

1 个答案:

答案 0 :(得分:1)

因此,以上只是argparser,它告诉Python在命令行中接受哪些值。它只是在代码内设置变量值。即使我们更改此设置,也不会更改代码的运行方式。

这取决于代码的编写方式(实际上称为ML),但是默认情况下在CPU上运行。您的代码必须专门告诉它在GPU上运行。

使用行os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu,将环境变量CUDA_VISIBLE_DEVICES设置为命令行传入的参数gpu ...,调用GPU的代码将使用该变量。

但是您需要更改有关ML流程调用方式的代码。

也许您可以发布更多代码?