Python 我可以在gpu上运行Keras模型吗？

我正在运行Keras模型，提交截止时间为36小时，如果我在cpu上训练我的模型，大约需要50小时，有没有办法在gpu上运行Keras

---

我正在使用Tensorflow后端并在我的Jupyter笔记本上运行它，而没有安装anaconda。

是的，您可以在GPU上运行keras型号。你需要先检查的东西很少

你的系统有GPU（Nvidia，因为AMD还不能工作）

您已经安装了tensorflow的GPU版本

您已经安装了CUDA

验证tensorflow是否使用GPU运行

sess=tf.Session（config=tf.ConfigProto（log\u device\u placement=True））

对于TF>v2.0

sess=tf.compat.v1.Session（config=tf.compat.v1.ConfigProto（log\u device\u placement=True））

（感谢@nbro和@Ferro在评论中指出这一点）

或

输出将如下所示：

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

完成所有这些操作后，您的模型将在GPU上运行：

要检查keras（>=2.1.1）是否正在使用GPU，请执行以下操作：

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

---

祝你一切顺利。

当然。我想您已经为GPU安装了TensorFlow

导入keras后，需要添加以下块。我在一台有56核cpu和gpu的机器上工作

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)

---

当然，这种用法强制执行我的机器的最大限制。您可以降低cpu和gpu的消耗值。

当然可以。如果您在Tensorflow或CNTk后端上运行，则默认情况下，您的代码将在GPU设备上运行

Theano标志：

THEANO\u FLAGS=device=gpu，floatX=float32 python my\u keras\u script.py

---

2.0兼容答案：上述答案详细解释了如何在Keras模型上使用GPU，我想解释如何在

Tensorflow 2.0版

上使用GPU

要知道有多少GPU可用，我们可以使用以下代码：

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

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)

要找出您的运算和张量分配给哪些设备， 放置

tf.debug。将\u log\u device\u placement（True）

设置为程序的第一条语句

启用设备放置日志记录会导致打印任何张量分配或操作。例如，运行以下代码：

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

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)

给出如下所示的输出：

在设备中执行op MatMul /作业：localhost/副本：0/任务：0/设备：GPU:0 tf.Tensor（[[22.28.] [49.64.]，shape=（2,2），dtype=float32）

---

有关更多信息，请参阅任务管理器中的脚本是否正在运行GPU。如果不是，请怀疑您的CUDA版本与您正在使用的tensorflow版本是正确的，正如其他答案所建议的那样

---

此外，需要一个适合CUDA版本的CUDA DNN库才能使用tensorflow运行GPU。下载/解压缩DLL（例如cudnn64_7.DLL）并将其放入CUDA bin文件夹（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin）。

我在Windows 10上使用Anaconda，带有GTX 1660 Super。在此之后，我首先安装了CUDA环境。但是现在Anaconda上有一个

keras gpu

元包，显然不需要事先安装CUDA和cuDNN库（我的已经安装了）

这就是我创建一个名为keras\gpu的专用环境的原因：

# need to downgrade from tensorflow 2.1 for my particular setup
conda create --name keras_gpu keras-gpu=2.3.1 tensorflow-gpu=2.0

要添加@johncasey的答案，但对于TensorFlow 2.0，添加此块对我很有用：

import tensorflow as tf
from tensorflow.python.keras import backend as K

# adjust values to your needs
config = tf.compat.v1.ConfigProto( device_count = {'GPU': 1 , 'CPU': 8} )
sess = tf.compat.v1.Session(config=config) 
K.set_session(sess)

---

解决了我遇到的

set\u会话

错误：您需要从tensorflow路径使用keras后端，而不是keras本身。

我必须为此安装python 3.5。否则tensorflow将无法工作？无需。TF同时适用于2.7和3.5。选择了TF的正确版本，就是这样。好吧，我会选择2.7，安装3.5I时有问题。我得到这个错误-

在/usr/local/lib/python2.7/dist-packages下载/解包tensorflow清理中找不到任何满足要求的下载。。。在/usr/local/lib/python2.7/dist-packages中找不到tensorflow的任何发行版，在/home/hyperworks/.pip/pip.log

中存储故障调试日志。我发现：在这里，人们可以在一个狭窄的领域里仔细阅读高评分的问题，然后在媒体上做一个完整的“回答”，并从视图中获得实际的收益。请看这篇文章。错误

模块“tensorflow”没有属性“ConfigProto”

您正在使用tensorflow 2？我用tf 1.X测试了它。唯一的答案是，在gpu上运行keras需要安装另一整套软件，从nvidia驱动程序到keras本身的'-gpu'构建，再加上注意cudnn和cuda的正确安装和链接。如果我只列出“gpu”，现在就没有显示XLA_gpu了。也许这也是keras似乎没有看到我的gpu的原因