使用带移动GPU（笔记本电脑）的Keras（Tensorflow后端）

如果我只使用Tensorflow代码，GPU使用率超过80％，温度上升非常多。但是如果我使用Kers，使用率会下降到15％。另外，使用Keras不会达到GPU的最大时钟。使用带移动GPU（笔记本电脑）的Keras（Tensorflow后端）

我试过980m，1070（笔记本）和960m，但是获得了相同的结果。 ANN和CNN都有相同的结果。

为什么在移动（笔记本电脑）GPU上使用Kers时，我的GPU利用率如此之低？我能做些什么来确保在笔记本电脑上使用Keras时获得最佳性能？

来源

2017-09-26 YorHa2B

你的问题到底是什么？ –

我想解决在笔记本电脑中使用keras时无法获得最佳性能的问题。 – YorHa2B

不幸的是，这取决于因素的失误。你的笔记本电脑的Windows或Linux？哪个版本？你是如何安装tensorflow的？ PIP？ Anaconda conda？蟒蛇皮？你自己编译了吗？你是如何安装keras的？（我注意到keras的anaconda版本忽略tensorflow-gpu并安装它自己的常规tensorflow。keras的pip版本使用tensorflow-gpu，但是在Ubuntu 16.04上）。不幸的是，有很多变数，回答这个问题并不简单。 –

也许升级到Tensorflow 1.3。在TF 1.3中Keras已经包含在内，并且不需要另外安装keras。

为了使用keras版本包含在TF请执行下列操作：使用例如

from tensorflow.contrib.keras.python.keras.models import Model

或

from tensorflow.contrib.keras.python.keras.layers import Input, Conv2D, Dropout

，而不是

from keras.models import Model 
from keras.layers import Input, Conv2D, Dropout

也许这解决了问题！

来源

2017-09-26 08:51:22

我认为Keras使用的一些命令似乎会造成瓶颈。通过调整批量大小，问题得到了一定程度的解决。非常感谢您的帮助。 – YorHa2B

使用带移动GPU（笔记本电脑）的Keras（Tensorflow后端）

回答

相关问题