Tensorflow arka uçlu Keras, isteğe bağlı olarak CPU veya GPU kullanmaya zorlanabilir mi?

Keras'ı Tensorflow arka ucu ve CUDA ile kurdum. Bazen talep üzerine Keras'ı CPU kullanmaya zorlamak istiyorum. Bu, sanal bir ortama yalnızca CPU için ayrı bir Tensorflow kurmadan yapılabilir mi? Öyleyse nasıl? Arka uç Theano olsaydı, bayraklar ayarlanabilirdi, ancak Keras aracılığıyla erişilebilen Tensorflow bayraklarını duymadım.

Keras'ı CPU kullanmaya zorlamak istiyorsanız

Yol 1

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""

Keras / Tensorflow içe aktarılmadan önce.

Yol 2

Komut dosyanızı şu şekilde çalıştırın

$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py

Ayrıca bakınız

1. https://github.com/keras-team/keras/issues/152
2. https://github.com/fchollet/keras/issues/4613

Bunu yapmanın oldukça ayrılabilir bir yolu,

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)

Burada ile booleans GPUve CPUbiz katı erişime izin verilir GPU'lar ve CPU'lar Tensorflow oturumu sayısını tanımlayarak GPU veya CPU ile kod çalıştırmak istediğiniz belirtin. Değişkenler num_GPUve num_CPUbu değeri tanımlar. num_coresdaha sonra intra_op_parallelism_threadsve aracılığıyla kullanılabilen CPU çekirdeği sayısını ayarlar inter_op_parallelism_threads.

intra_op_parallelism_threadsDeğişken dikte parçacıkları hesaplama grafikte, tek bir düğümde bir paralel işlem sayısı kullanımı (intra) bırakılır. Birlikte inter_ops_parallelism_threadsdeğişken hesaplama grafik (arası) düğümlerinde boyunca paralel işlemler için erişilebilir parçacığı sayısını tanımlar.

allow_soft_placement Aşağıdaki kriterlerden herhangi biri karşılanırsa işlemlerin CPU üzerinde çalıştırılmasına izin verir:

1. işlem için GPU uygulaması yok

2. bilinen veya kayıtlı GPU cihazı yok

3. CPU'dan gelen diğer girişlerle aynı yerde bulunmaya ihtiyaç vardır

Bunların tümü, diğer işlemlerden önce sınıfımın yapıcısında yürütülür ve kullandığım herhangi bir modelden veya diğer koddan tamamen ayrılabilir.

Not: Bu, GPU kullanma seçeneği verildiği için kurulmasını gerektirir tensorflow-gpuve cuda/ cudnnyüklenmelidir.

Referanslar:

• ConfigProto'daki allow_soft_placement ve log_device_placement gibi seçenekler ne anlama geliyor?

• İnter_op_parallelism_threads ve intra_op_parallelism_threads'in anlamı

Bu benim için çalıştı (win10), keras'ı içe aktarmadan önce bir yer:

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Sadece tensortflow'u içe aktarın ve keras'ı kullanın, bu kadar kolay.

import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
    model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)

Keras öğreticisine göre , tf.devicenormal tensorflow'daki ile aynı kapsamı kullanabilirsiniz :

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

Bunu çözmek için biraz zaman harcadım. Thoma'nın cevabı tam değil. Diyelim ki programınız, test.pybu programı çalıştırmak için gpu0'ı kullanmak ve diğer gpus'ları serbest tutmak için.

Yazmalısın CUDA_VISIBLE_DEVICES=0 python test.py

Öyle Uyarı DEVICESdeğilDEVICE

PyCharm üzerinde çalışan kişiler ve CPU'yu zorlamak için, Ortam değişkenleri altında Çalıştır / Hata Ayıklama yapılandırmasına aşağıdaki satırı ekleyebilirsiniz:

<OTHER_ENVIRONMENT_VARIABLES>;CUDA_VISIBLE_DEVICES=-1