如何使用Keras在特定GPU上指定程序训练模型实例？
- 内容介绍
- 文章标签
- 相关推荐
本文共计309个文字，预计阅读时间需要2分钟。
场景：在某台机器上，有三块显卡，想要同时开启三个程序，每个程序在各自独立的显卡上进行训练。
策略：使用CUDA_VISIBLE_DEVICES环境变量来指定程序在哪个显卡上运行。
命令：`CUDA_VISIBLE_DEVICES=1 python train.py`
补充知识：在Keras中，可以通过设置GPU的使用和显存占用来优化程序的性能。可以使用以下参数进行指定：`keras.backend.set_floatx('float32')` 和 `keras.backend.set_image_data_format('channels_last')`。
场景：某台机器上有三块卡，想同时开三个程序，放到三块卡上去训练。
策略：CUDA_VISIBLE_DEVICES=1 python train.py就可以指定程序在某块卡上训练。
本文共计309个文字，预计阅读时间需要2分钟。
场景：在某台机器上，有三块显卡，想要同时开启三个程序，每个程序在各自独立的显卡上进行训练。
策略：使用CUDA_VISIBLE_DEVICES环境变量来指定程序在哪个显卡上运行。
命令：`CUDA_VISIBLE_DEVICES=1 python train.py`
补充知识：在Keras中，可以通过设置GPU的使用和显存占用来优化程序的性能。可以使用以下参数进行指定：`keras.backend.set_floatx('float32')` 和 `keras.backend.set_image_data_format('channels_last')`。
场景：某台机器上有三块卡，想同时开三个程序，放到三块卡上去训练。
策略：CUDA_VISIBLE_DEVICES=1 python train.py就可以指定程序在某块卡上训练。