Question

我正在从Udemy上的深度学习课程中运行卷积神经网络，但是当我这样做时，我可以看到我的GPU时钟峰值，但是GPU百分比使用率仍然是5％，甚至超过8000个平均大小的图像一个历元300 * 400需要大约5分钟的时间。

我有Windows 10，内存-8GB GPU-Nvidia Geforce Gtx 1060 6GB

完整代码在这里：

# Convolutional neural network
from keras.models import Sequential
from keras.layers import Conv2D,MaxPooling2D,Flatten,Dense

# Initializing CNN
cl = Sequential()

# Convolution
cl.add(Conv2D(32,3,3, input_shape=(64,64,3),activation='relu'))

# Polling
cl.add(MaxPooling2D(pool_size=(2,2)))

# Flattening
cl.add(Flatten())

# Full Connection
cl.add(Dense(128,activation='relu'))
cl.add(Dense(1,activation='sigmoid'))

# Compiling the CNN
cl.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])

# Fitting the CNN

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('dataset/training_set',
                                             target_size = (64, 64),
                                             batch_size = 100,
                                             class_mode = 'binary')

test_set = test_datagen.flow_from_directory('dataset/test_set',
                                        target_size = (64, 64),
                                        batch_size = 100,
                                        class_mode = 'binary')

cl.fit_generator(training_set,
                     steps_per_epoch = 8000,
                     epochs = 25,
                     validation_data = test_set,
                     validation_steps = 2000)

Answer 1

我也发生了同样的事情。如果下载gpu-z，您会发现GPU负载实际上比任务管理器上显示的要高。

Tensorflow（2.0），Keras未使用来自GPU的VRAM，但GPU时钟仍然峰值

1 个答案: