根据本教程,我遵循了所有步骤:# What version of Python do you have?import sys
import pandas as pdimport tensorflow as tfis available
但是,我不知道如何在GPU上运行我的Keras模型。当我运行我的模型并得到$ nvidia-smi -l 1时</
我正在尝试用TensorFlow构建一个大型的CNN,并打算在一个多图形处理器系统上运行它。我采用了“塔式”系统,为两个CPU拆分批处理,同时将变量和其他计算保留在CPU上。我的系统有32 get的内存,但是当我运行我的代码时,我得到了错误:
E tensorflow/stream_executor/cuda/cuda_driver.cc:924] failed to alloc/tensorflow/
我对我的docker是否使用GPU有疑问。 我的台式机有GeForce 2060超级和瑞森53600。 我用tensorflow实现了CNN。每个图像的kB在20到50之间。当我只使用CPU时,每个时期花费23秒(大约95MS/步)。另一方面,当我在docker中使用tensorflor-gpu-jupyter图像时,每个时期花费21秒(大约83ms/步)。docker run --gpus all --rm -p
当我使用keras时,我发现了一些奇怪的问题。我的系统是ubuntu 14.04/64bitUsing Theano backend.Using gpu device 0: Tesla K20Xm (CNMeM is enabled with initial size: 80.0% of memory, cuDNN not available支持的错误信息:
F tensorflow/stream_executor/cuda/cuda_driver.cc
当我运行https://github.com/cysmith/neural-style-tf项目时,我的图形处理器在设备管理器图形中有一个尖峰,如下所示。tensorflow:2.3.0 python:3.7.9 CUDA:11.1 gpu:nvidia 840m exact moment,然后它就会降到零。我得到"tensorflow分配器(gpu__bfc)试图分配时内存不足...“错误。 i do