Tensorflow-是否可以手动确定图形中的哪些张量进入GPU和CPU?
我在Keras中创建了一个使用卷积层和LSTM层的网络 我读到tensorflow不能很好地处理GPU中的LSTM层: 事实上,我的网络在GPU上运行得很慢(希望这不是进一步的问题) 我希望tensorflow将所有卷积运算抛给GPU,但将所有LSTM操作保留在CPU中。可能吗Tensorflow-是否可以手动确定图形中的哪些张量进入GPU和CPU?,tensorflow,parallel-processing,deep-learning,keras,tensorflow-gpu,Tensorflow,Parallel Processing,Deep Learning,Keras,Tensorflow Gpu,我在Keras中创建了一个使用卷积层和LSTM层的网络 我读到tensorflow不能很好地处理GPU中的LSTM层: 事实上,我的网络在GPU上运行得很慢(希望这不是进一步的问题) 我希望tensorflow将所有卷积运算抛给GPU,但将所有LSTM操作保留在CPU中。可能吗 因此,考虑到我可以找到tensorflow图并识别其每个张量,我可以手动定义每个张量执行其操作的位置吗?在网络实现之后,您可以(如果您使用tensorflow)尝试以下技术: with tf.device('/cpu:0
因此,考虑到我可以找到tensorflow图并识别其每个张量,我可以手动定义每个张量执行其操作的位置吗?在网络实现之后,您可以(如果您使用
tensorflow
)尝试以下技术:
with tf.device('/cpu:0'):
# model layers which should be run on CPU go here
查看此文档:太好了!这让我的模特在这一生中完成了它的工作。我很高兴我能帮上忙。