解決Keras使用GPU資源耗盡的問題
我們在使用GPU資源進行訓練的時候,可能會發(fā)生資源耗盡的情況,那么在在這種情況,我們需要對GPU的資源進行合理的安排,具體使用辦法如下:
框架:Tensorflow和Keras
方法
import tensorflow as tf import keras.backend.tensorflow_backend as KTF config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占滿顯存, 按需分配 sess = tf.Session(config=config) KTF.set_session(sess) # 設置session
通過這種方法,就能合理的使用GPU資源了。
至少到目前位置,我自己從程序沒出現(xiàn)資源耗盡的情況,當然,對于batchsize的設置,一定要設置在合理的范圍,所謂合理,大家自己體會。
補充知識:keras使用GPU的一些坑
keras安裝
conda install tensorflow-gpu
pip install keras
注意:不要使用conda安裝keras,會檢測依賴,默認安裝上tensorflow的CPU版本。
keras運行報錯,tensorflow/stream_executor/cuda/cuda_dnn.cc:329 Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
解決方法:
增加如下代碼:
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5) config = tf.ConfigProto(gpu_options=gpu_options) config.gpu_options.allow_growth = True session = tf.Session(config=config)
以上這篇解決Keras使用GPU資源耗盡的問題就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python將數(shù)據(jù)生成二維碼的四種方法實例代碼
二維碼在日常生活中非常常見,廣泛應用于支付、登錄驗證、信息分享等場景,下面這篇文章主要給大家介紹了關(guān)于Python將數(shù)據(jù)生成二維碼的四種方法,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2024-09-09pandas使用dtype/dtypes修改數(shù)據(jù)類型
在數(shù)據(jù)處理和分析中,經(jīng)常需要對數(shù)據(jù)進行類型轉(zhuǎn)換以滿足特定的需求,本文主要介紹了pandas使用dtype/dtypes修改數(shù)據(jù)類型,具有一定的參考價值,感興趣的可以了解一下2024-06-06python中sort()和sorted()的區(qū)別及用法實例
我們通常會遇到對數(shù)據(jù)庫中的數(shù)據(jù)進行排序的問題,下面這篇文章主要給大家介紹了關(guān)于python中sort()和sorted()的區(qū)別及用法的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06Python利用ElementTree模塊處理XML的方法詳解
ElementTree是python的XML處理模塊,它提供了一個輕量級的對象模,下面這篇文章就來給大家介紹了關(guān)于Python利用ElementTree模塊處理XML的方法,文中通過示例代碼介紹的非常詳細,對大家具有一定的參考學習價值,需要的朋友們下面來一起看看吧。2017-08-08