我试着用gcloudml引擎训练一个模型,使用一台特斯拉K80。这个程序可以运行,但比没有GPU的笔记本电脑还要慢。在
有一条消息显示GPU没有运行任何进程。我没有更改任何在GPU中运行的代码,因为我认为Tensorflow为您决定哪些进程在CPU中运行,哪些进程在GPU中运行。在
在我第一次在云中运行代码之后,我试图将图形操作和优化器包装在with tf.device('/device:GPU:0')
中,但是任何东西都改变了。在
我收到这样的信息:
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.111 Driver Version: 384.111 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla K80 Off | 00000000:00:04.0 Off | 0 |
| N/A 61C P8 29W / 149W | 1MiB / 11439MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
我不知道怎么解决这个问题,任何想法都欢迎。在
提前谢谢!在
要使用GPU进行训练,必须指定要使用的节点类型。这是在一个yaml文件中完成的,您必须在启动作业时引用该文件。在
config.yaml
示例:然后,在提交作业时,请按如下方式引用:
^{pr2}$这将确保您使用python3.5在“标准的gpu”节点上运行。有关详细信息,请参阅here。在
你不需要使用上面提到的紫外线。这意味着,在您的
setup.py
文件中,不得将tensorflow
指定为要求。相反,要么根本不指定tensorflow(它总是由平台提供的),要么指定tensorflow-gpu
。在有效的
setup.py
如下所示:如果你想确保你不是在CPU上运行整个工作,并花很多钱在家里的笔记本电脑上做一些事情,你也可以添加一个健全性检查。E、 g.:
相关问题 更多 >
编程相关推荐