Machine learning 如何在Keras中使用TensorFlow后端的其他GPU？

这与GPU有关，但不是使用多个GPU，我感兴趣的是指定特定模型在哪个GPU上训练或运行

我的

nvidia smi

输出如下所示：

+------------------------------------------------------+                       
| NVIDIA-SMI 361.42     Driver Version: 361.42         |                       
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla K80           Off  | 0000:03:00.0     Off |                    0 |
| N/A   38C    P0    60W / 149W |  11354MiB / 11519MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  Tesla K80           Off  | 0000:04:00.0     Off |                    0 |
| N/A   37C    P0    71W / 149W |    224MiB / 11519MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   2  GeForce GTX 750 Ti  Off  | 0000:06:00.0      On |                  N/A |
| 40%   29C    P8     1W /  38W |    120MiB /  2047MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

这个输出当然是在没有运行任何东西的时候。问题是我不确定Keras中如何指定在哪个GPU上运行。当然，使用TensorFlow，我们可以只使用tf.device（'/cpu:1'）：范例执行

，但我不确定这将如何与Keras集成

谢谢
 基本上有两个步骤，您必须遵循：

安装启用GPU的tensorflow版本。看到这个了吗

Keras默认使用Theano作为后端。您需要将其更改为tensorflow

vi~/.keras/keras.json

文件内容：{“epsilon”：1e-07，“floatx”：“float32”，“backend”：“theano”}

将“theano”改为“tensorflow”

问题是，您只需要安装支持gpu的tensorflow版本。它将自动使用您配置的gpu

有关cuda和tensorflow的安装过程，请参见此链接。此外，要在keras.json文件中指定
tensorflow
作为后端，您可以使用环境变量cuda\u VISIBLE\u DEVICES（）限制使用的GPU数量和/或使用特定的GPU。这里您可以指定使用哪个GPU。
FYI，这里的FAQ没有说明tensorflow案例中的Keras API是否提供了此功能（尽管它为Theano后端提供了一种方法）。