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

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