Question

我知道，有很多相关的问题，但是它们已经过时了，大部分甚至都在处理TensorFlow 1。

我有1个可被TensorFlow识别的GPU（GeForce 960），因此安装成功。

我不确定这是否是正确的方法，但这就是我训练Keras模型的方式：

def create_model():
  model = Sequential()
  model.add(Conv2D(128, (3,3), padding="valid"))
  model.add(layers.BatchNormalization())
  model.add(layers.Activation(activations.relu))
  model.add(MaxPooling2D(pool_size=(2,2)))
  model.add(Dropout(0.2))
  model.add(Flatten())
  model.add(layers.Dense(10, activation="softmax"))
  return model

strategy = tf.distribute.MirroredStrategy(devices=["/gpu:0"])

with strategy.scope():
  model = create_model()
  model.compile(loss="categorical_crossentropy",
                optimizer="adam",
                metrics=["acc"])

train_dataset, test_dataset = get_dataset()

model.fit(train_dataset,
          epochs=20,
          verbose=1,
          validation_data=test_dataset)

但是我遇到很多问题：

关闭“战略”部分时，完全相同的代码也同样快
我总是得到这个“警告”：BaseCollectiveExecutor::StartAbort Out of range: End of sequence
我发现，当我在不支持GPU（CUDA等）的另一个Anaconda环境中运行策略代码并关闭策略部分时，它的运行速度要慢得多。那么，当您处于GPU支持环境中时，是否会自动使用GPU（因为，如1.中所述，没有策略部分，它同样快）？
这是使用我的GPU的正确方法吗？如果没有，正确的方法是什么？

Tensorflow：使用GPU训练Keras模型

0 个答案: