Tensorflow 我无法在我的GPU上使用迁移学习（VGG16）训练我的模型

我正在尝试使用转移学习来训练我的模型，以便在植物图像上检测水稻中的疾病。我尝试使用VGG16，但我无法让它与我的GPU一起训练。我有一个NVIDIA GeForce MX150

下面是我用来适应模型的代码：

import tensorflow as tf
from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

with tf.device('/device:GPU:1'):
    # fit the model
    r = model.fit(
        training_set,
        validation_data=test_set,
        epochs=20,
        steps_per_epoch=len(training_set),
        validation_steps=len(test_set)
    )

---

Tensorflow GPU支持需要几个依赖项。请看

然后，尝试

tf.test.is\u gpu\u available（）

-如果这是

True

，则您的gpu正在用于培训

---

在单个GPU上，您不需要使用

with

在GPU上进行训练。如需更多帮助，请提供任何日志或错误。

感谢您的回复，Stanley

tf.test.is\u gpu\u available（）

返回

True

但它的训练速度非常慢（每个历元大约10分钟）。然后您就可以在gpu上运行了。不幸的是，对于MX150这样的小型GPU，与CPU相比，加速不会太大。如果您有很多增强功能（检查GPU的使用率是否为100%），仍然可能会受到CPU的限制。也许还可以尝试更小的网络，如ResNet或EfficientNet，因为VGG16有更多的参数。祝你好运。非常感谢你，斯坦利！你好，斯坦利，当我检查我的任务管理器时，我的GPU是0%。这不意味着我的GPU没有运行吗？嗯，我不确定，因为我使用Linux。这似乎表明该模型没有在GPU上运行。然而，我的理解是，如果

tf.test.is\u gpu\u available（）

返回True，那么它应该在gpu上运行。我不确定，我道歉。