2024-10-06 11:27:18 发布
网友
因此,我尝试在Keras中训练我的第一个图像分类器,它在一个包含8000个图像的训练集中运行得非常缓慢。在培训期间,我的cpu/gpu的使用率约为40%/3%,我根本不相信tensorflow gpu安装正确,因为我没有得到“成功打开的CUDA库”行,我应该看到导入它时。在
我的问题是:
这种尺寸的东西在1080上训练通常需要多长时间,并且
考虑到我已经安装了以下组件,在尝试设置tensorflow gpu时,我可能会缺少什么?在
检查您的tf是否使用GPU的一种方法(对我来说也是最好的)是使用nvidia smi:这里您可以看到我的任务的GPU内存使用情况(我有1.6百万个观察值,有13个变量,占用了~11gb,您的内存应该也需要几mb或GB(不知道图片是什么样子的),所以如果您的系统无法显示这个信息一旦你开始运行你的模型肯定是在使用CPU(GPU几分钟到几个小时,但CPU将需要更长的时间)
{a1}
注意:我的终端不会输出tensorflow输出的东西,这在IDE中如下所示(CUDA没有显示在那里,因为在线声明CUDA问题是不兼容的,不能在tf中启动GPU):
以下是cudnn正确安装后测试通过的信息:
附言:希望有帮助。昨天在ubuntu中试用了Tensorflow1.7版本,但是没有如预期的那样工作(GPU不工作,所以降级到1.6),所以建议您使用1.6:
因为您的设置与官方文件有些不同:
nvidia cuda toolkit documentation
所以正确的方法是:
确保设置了以下值:
Variable Name: CUDA_PATH Variable Value: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
检查您的tf是否使用GPU的一种方法(对我来说也是最好的)是使用nvidia smi:这里您可以看到我的任务的GPU内存使用情况(我有1.6百万个观察值,有13个变量,占用了~11gb,您的内存应该也需要几mb或GB(不知道图片是什么样子的),所以如果您的系统无法显示这个信息一旦你开始运行你的模型肯定是在使用CPU(GPU几分钟到几个小时,但CPU将需要更长的时间)
{a1}
注意:我的终端不会输出tensorflow输出的东西,这在IDE中如下所示(CUDA没有显示在那里,因为在线声明CUDA问题是不兼容的,不能在tf中启动GPU):
以下是cudnn正确安装后测试通过的信息:
附言:希望有帮助。昨天在ubuntu中试用了Tensorflow1.7版本,但是没有如预期的那样工作(GPU不工作,所以降级到1.6),所以建议您使用1.6:
因为您的设置与官方文件有些不同:
nvidia cuda toolkit documentation
所以正确的方法是:
确保设置了以下值:
相关问题 更多 >
编程相关推荐