আমি কেনারগুলি টেনসরফ্লো ব্যাকএন্ড এবং সিউডিএ ইনস্টল করেছি। আমি কখনও কখনও কেরাসকে সিপিইউ ব্যবহার করার জন্য ডিমান্ড ফোর্স করতে চাই। ভার্চুয়াল পরিবেশে পৃথক সিপিইউ-কেবলমাত্র টেনসরফ্লো ইনস্টল না করে এটি করা যায়? যদি তাই হয়, কিভাবে? যদি ব্যাকএন্ড থিয়ানো হয়, পতাকাগুলি সেট করা যেতে পারে, তবে কেরাসের মাধ্যমে টেনসরফ্লো পতাকা অ্যাক্সেসযোগ্য আমি শুনিনি।
উত্তর:
আপনি চাইলে কেরাসকে সিপিইউ ব্যবহার করতে বাধ্য করুন
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""
কেরাস / টেনসরফ্লো আমদানি করার আগে।
আপনার স্ক্রিপ্ট হিসাবে চালান
$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py
আরো দেখুন
CUDA_DEVICE_ORDER=PCI_BUS_ID# 152 ইস্যুতে কোনও রেফারেন্স দেখতে পাচ্ছি না
import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # see issue #152 os.environ["CUDA_VISIBLE_DEVICES"] = "" , এখন আমি কীভাবে এটি "পূর্বাবস্থায়" রাখতে পারি? আমি চাই কেরাস আবার জিপিইউ ব্যবহার করুন।
এটি করার একটি পৃথক পৃথক উপায় হ'ল ব্যবহার করা
import tensorflow as tf
from keras import backend as K
num_cores = 4
if GPU:
num_GPU = 1
num_CPU = 1
if CPU:
num_CPU = 1
num_GPU = 0
config = tf.ConfigProto(intra_op_parallelism_threads=num_cores,
inter_op_parallelism_threads=num_cores,
allow_soft_placement=True,
device_count = {'CPU' : num_CPU,
'GPU' : num_GPU}
)
session = tf.Session(config=config)
K.set_session(session)
এখানে booleans GPUএবং এর সাথে CPUআমরা জিপিইউ বা সিপিইউ দিয়ে জিপিইউ এবং সিপিইউগুলির সংখ্যা কঠোরভাবে সংজ্ঞায়িত করে টেনসরফ্লো সেশনটি অ্যাক্সেসের অনুমতিপ্রাপ্ত কিনা তা দিয়ে আমরা আমাদের কোডটি চালাতে চাই কিনা তা নির্দেশ করি। ভেরিয়েবলগুলি num_GPUএবং num_CPUএই মানটি সংজ্ঞায়িত করে। num_coresতারপরে intra_op_parallelism_threadsএবং এর মাধ্যমে ব্যবহারের জন্য উপলব্ধ সিপিইউ কোরগুলির সংখ্যা নির্ধারণ করে inter_op_parallelism_threads।
intra_op_parallelism_threadsপরিবর্তনশীল নির্দেশনা থ্রেড গণনার গ্রাফ একটি একক নোড একটি সমান্তরাল অপারেশন সংখ্যা ব্যবহার (ভিতরে) অনুমোদিত হয়। যদিও inter_ops_parallelism_threadsপরিবর্তনশীল থ্রেড গণনার গ্রাফ (ইন্টার) এর নোড জুড়ে সমান্তরাল অপারেশন জন্য অ্যাক্সেসযোগ্য সংখ্যা সংজ্ঞায়িত করে।
allow_soft_placement নিম্নলিখিত মানদণ্ডগুলির কোনওটি পূরণ করা হলে সিপিইউতে অপারেশন পরিচালনার অনুমতি দেয়:
অপারেশনের জন্য কোনও জিপিইউ বাস্তবায়ন নেই
পরিচিত বা নিবন্ধিত কোনও জিপিইউ ডিভাইস নেই
সিপিইউ থেকে অন্যান্য ইনপুটগুলির সাথে সহ-অবস্থানের প্রয়োজন রয়েছে
এই সমস্তগুলি অন্য কোনও ক্রিয়াকলাপের আগে আমার শ্রেণীর নির্মাতায় কার্যকর করা হয় এবং আমি যে কোনও মডেল বা অন্যান্য কোড ব্যবহার করি তা থেকে সম্পূর্ণ পৃথক হয়ে যায়।
দ্রষ্টব্য: এই প্রয়োজন tensorflow-gpuএবং cuda/ cudnnইনস্টল করার জন্য কারণ বিকল্প একটি জিপিইউ ব্যবহার করতে দেওয়া হয়।
রেফার্স:
allow_soft_placement, intra_op_parallelism_threads,inter_op_parallelism_threads
inter/ intra_op_parallelism_threadsCPU- র বা জিপিইউ অপারেশন পড়ুন?
এটি আমার জন্য কাজ করেছে (উইন 10), আপনি কেরাস আমদানির আগে রাখুন:
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
কেবল টেনসোর্টফ্লো আমদানি করুন এবং কেরাস ব্যবহার করুন, এটি এত সহজ।
import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)
tf.device('/cpu:0'), আমি এখনও দেখতে পেলাম যে পরে স্মৃতিটি অজগরকে বরাদ্দ করা হচ্ছে nvidia-smi।
with?
কেরাস টিউটোরিয়াল অনুসারে , আপনি tf.deviceনিয়মিত টেনস্রোফ্লোয়ের মতোই একই সুযোগটি ব্যবহার করতে পারেন :
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
withকোডটি কোনও কেরাস কোড হতে পারে।
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'নীচে একটি উত্তর হিসাবে সেট করতে হয়েছিল