Python Keras、Tensorflow上的CPU使用率高于GPU使用率
我想教CNN的图像分类,并使用Keras 图像尺寸为300x300x3 我用2M参数训练了一个CNN,我使用Keras的MobileNet进行转移学习,但是我冻结了最后63层,并在底部添加了密集层,最后一层有2个单位和Softmax激活 为了进行预测,我加载h5文件并使用OpenCV视频捕获来获取视频帧,对于每一帧,我使用model.predict(img_数组) 当我查看Windows10的任务管理器时,我看到Python脚本使用了我处理器的%80,但GPU的%2。CPU的使用导致我的笔记本电脑出现延迟 如何降低CPU使用率并强制Keras使用GPU进行计算? 我的笔记本电脑上有Nvidia Rtx 2060 4GB和Intel Core i7-9750H。 Tensorflow 2.1和Keras 2.3.1 OpenCV 4.1 我试过了,但实际上什么都没变Python Keras、Tensorflow上的CPU使用率高于GPU使用率,python,opencv,tensorflow,image-processing,keras,Python,Opencv,Tensorflow,Image Processing,Keras,我想教CNN的图像分类,并使用Keras 图像尺寸为300x300x3 我用2M参数训练了一个CNN,我使用Keras的MobileNet进行转移学习,但是我冻结了最后63层,并在底部添加了密集层,最后一层有2个单位和Softmax激活 为了进行预测,我加载h5文件并使用OpenCV视频捕获来获取视频帧,对于每一帧,我使用model.predict(img_数组) 当我查看Windows10的任务管理器时,我看到Python脚本使用了我处理器的%80,但GPU的%2。CPU的使用导致我的笔记本电
tf.config.threading.set_inter_op_parallelism_threads(12)
tf.config.threading.set_intra_op_parallelism_threads(12)
with tf.device(\gpu:0):
model.predict(img_array)
致以最良好的祝愿
编辑:
通过在预测方法中声明步骤参数,我将CPU使用率降低到%20。请检查您的pip列表或conda列表 有时,我们错误地安装了tensorflow和tensorflow gpu。 如果两者都有,系统将自动选择tensorflow,这是CPU的一个 如果是这种情况,请删除“tensorflow”,仅保留“tensorflow gpu” 如果您首先没有看到tensorflow gpu,请尝试使用以下命令在conda上安装它: conda create-n[EnvironmentName]python=3.6 conda激活[环境名称] conda安装-c conda forge tensorflow gpu==1.14
它将评估您需要的版本(CUDA、CUDNN等),并将其下载并直接安装到您的环境中。然后在此环境中运行python文件。祝您好运^ ^您的操作系统默认使用cpu。你可以改变它,我知道如何在linux上做,但在windows上也应该很简单。应该有一个接口来做到这一点Hi Yunus,谢谢你的回答,我已经安装了Tensorflow gpu,它不应该使用gpu吗?如果你有一个关于Linux使用的链接,它也是我的完美参考。谢谢您可能需要设置后端devece fot dnn,请检查此处:从tf v2开始,
tensorflow
二进制文件将同时支持cpu和gpu