如何使用Keras在特定GPU上指定程序训练模型实例？

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。

补充知识：keras指定GPU及显存使用量

指定GPU

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

指定GPU和显存使用量

import os from keras.backend.tensorflow_backend import set_session os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 set_session(tf.Session(config=config))

指定GPU显存使用按需分配

import keras.backend.tensorflow_backend as KTF import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() config.gpu_options.allow_growth=True sess = tf.Session(config=config) KTF.set_session(sess)

以上这篇keras 指定程序在某块卡上训练实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。