Kerasモデルをgpuで実行できますか？

私はKerasモデルを実行していますが、提出期限は36時間ですが、モデルをCPUでトレーニングすると約50時間かかりますが、GPUでKerasを実行する方法はありますか？

Tensorflowバックエンドを使用していて、anacondaをインストールせずにJupyterノートブックで実行しています。

はい、GPUでケラスモデルを実行できます。最初に確認する必要があるものはほとんどありません。

1. システムにGPUが搭載されている（Nvidia。AMDはまだ動作しないため）
2. tensorflowのGPUバージョンをインストールしました
3. CUDAをインストールしました インストール手順をインストールしました
4. GPUが機能しているかどうかを確認して、テンソルフローがGPUで実行されていることを確認します

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

または

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

出力は次のようになります。

[
  name: "/cpu:0"device_type: "CPU",
  name: "/gpu:0"device_type: "GPU"
]

これがすべて完了すると、モデルはGPUで実行されます。

keras（> = 2.1.1）がGPUを使用しているかどうかを確認するには：

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

ではごきげんよう。

承知しました。GPU用のTensorFlowがすでにインストールされていると思います。

ケラをインポートした後、次のブロックを追加する必要があります。私は56コアCPUとGPUを備えたマシンで作業しています。

import keras
import tensorflow as tf


config = tf.ConfigProto( device_count = {'GPU': 1 , 'CPU': 56} ) 
sess = tf.Session(config=config) 
keras.backend.set_session(sess)

もちろん、この使用法は私のマシンに最大制限を適用します。cpuおよびgpu消費値を減らすことができます。

2.0互換性のある回答：上記の回答では、KerasモデルでGPUを使用する方法について詳しく説明していますが、GPUをどのように使用できるかについて説明しますTensorflow Version 2.0。

使用可能なGPUの数を知るには、以下のコードを使用できます。

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

操作とテンソルが割り当てられているデバイスを見つけるにtf.debugging.set_log_device_placement(True)は、プログラムの最初のステートメントとして記述します。

デバイス配置ログを有効にすると、Tensorの割り当てまたは操作が印刷されます。たとえば、次のコードを実行します。

tf.debugging.set_log_device_placement(True)

# Create some tensors
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)

print(c)

以下に示す出力が得られます。

デバイス/ job：localhost / replica：0 / task：0 / device：GPU：0でop MatMulを実行していますtf.Tensor（[[22. 28.] [49. 64.]]、shape =（2、2）、 dtype = float32）

詳細については、このリンクを参照してください

もちろん。TensorflowまたはCNTkバックエンドで実行している場合、コードはデフォルトでGPUデバイスで実行されます。ただし、Theanoバックエンドの場合、以下を使用できます。

Theanoフラグ：

「THEANO_FLAGS = device = gpu、floatX = float32 python my_keras_script.py」

スクリプトがタスクマネージャーでGPUを実行しているかどうかを確認します。そうでない場合は、他の回答がすでに示唆しているように、CUDAバージョンが、使用しているtensorflowバージョンに適していると考えてください。

さらに、テンソルフローでGPUを実行するには、CUDAバージョン用の適切なCUDA DNNライブラリが必要です。ここからダウンロード/抽出し、DLL（例：cudnn64_7.dll）をCUDA binフォルダー（例：C：\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.1 \ bin）に配置します。