python - tutorial - tensorflow gpu support

Keras con il backend Tensorflow può essere costretto a usare CPU o GPU a piacimento? (4)

Come per il tutorial keras, puoi semplicemente usare lo stesso ambito tf.device del normale tensorflow:

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

Ho installato Keras con il backend Tensorflow e CUDA. A volte mi piacerebbe forzare Keras a usare la CPU. Questo può essere fatto senza dire l'installazione di un Tensorflow separato solo CPU in un ambiente virtuale? Se é cosi, come? Se il backend fosse Theano, le bandiere potrebbero essere impostate, ma non ho sentito parlare di bandiere Tensorflow accessibili tramite Keras.

Ho appena trascorso un po 'di tempo a capirlo. La risposta di Thoma non è completa. test.py tuo programma sia test.py , vuoi usare gpu0 per eseguire questo programma e mantenere libero gpus.

Dovresti scrivere CUDA_VISIBLE_DEVICES=0 python test.py

Notare che si tratta di DEVICES non di DEVICE

Questo ha funzionato per me (win10), posto prima di importare keras:

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Se vuoi forzare Keras a usare la CPU

Modo 1

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""

prima dell'importazione di Keras / Tensorflow.

Modo 2

Esegui il tuo script come

$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py

Guarda anche