1回答
有没有办法让我一次在100台机器上运行数据并行？如果可能的话，我更愿意使用tf.distribute.TPUStrategy。或者我绝对需要编写自己的脚本来在机器之间通信，以平均它们之间的梯度。
浏览 15提问于2021-01-15得票数 0
1回答
我目前正在关注中的PyTorch迁移学习教程我正在使用谷歌云平台笔记本实例，并使用4个NVIDIA Tesla k80 x 4GPU。正是在这里，当我在超过1个GPU上训练网络时，遇到了服务器连接错误(无效响应: 504)错误num_ftrs =0.1)
model_ft = train_model(model_ft, criterion, op
浏览 1提问于2019-08-08得票数 1
我在一台计算机中有多个相同的CUDA设备。我在那台计算机上运行了多个tensorflow训练实例，每个实例只使用一个CUDA设备。我想自动为tensorflow实例分配一个且只有一个CUDA设备，以空闲为准。我希望在tensorflow训练实例启动时执行此操作。目前，我通过检查可用性并在每个tensorflow训练实例的开头更改代码来手动完成：
浏览 0提问于2020-01-24得票数 0
假设我们有一个带有几个卷积层的简单TensorFlow模型。我们喜欢在未配备GPU的计算机群集上训练此模型。这个集群的每个计算节点可能有一个或多个核心。有没有可能开箱即用？
浏览 0提问于2020-08-08得票数 1
3回答
在运行ubuntu 16.04中的脚本时，我得到了这个错误。请原谅我，我是python的新手，我已经检查了互联网上已经可用的选项，但我不能修复它。AV-ASR-data/BBC_Oxford/lipread_mp4"accuracyfilelocation = "accuracy.txt"
错误主要出现在gpuid行中，
浏览 0提问于2018-06-10得票数 7
回答已采纳
如果我在pytorch中调用model.cuda()，其中模型是nn.Module的一个子类，并且说如果我有四个GPU，它将如何使用这四个GPU，以及如何知道使用的是哪个GPU？
浏览 0提问于2019-07-02得票数 12
回答已采纳
1回答
AWS救世主多项培训工作
、、、、
我们目前有一个运行在AWS上的系统，其中有几个单位有自己经过训练的机器学习模型工件(使用SKLearn训练脚本和SKLearn估计器)。通过使用Sagemaker的多模型端点，我们能够在一个实例上托管所有这些单元。我们面临的问题是，我们需要扩展这个系统，这样我们就可以为几十万个单元训练单个模型，然后在一个多模型端点上托管产生的模型工件。除了分批培训我们的模型之外，有没有人知道如何在AWS Sagem
浏览 1提问于2020-10-26得票数 0
回答已采纳
1回答
我使用下面的代码在一个UCF101数据集上训练CNN，但是由于数据集的大小，训练时间太长了。accuracy)), step) train_writer.close()现在我想在一个有10个节点的GPU集群上训练CNN，每个节点都有一个i7 7700 CPU, GTX1060 6GB GPU, and 16GB of RAM，我如
浏览 3提问于2020-10-03得票数 1
回答已采纳
因为我的训练模型在多个GPU上，所以在训练期间，我使用trainer.extend在每个时期验证我的模型，但是chainer.training.extensions.Evaluator只有一个设备参数，但我的模型网络参数在两个GPU上。
浏览 0提问于2017-09-10得票数 0
1回答
多设备列车
、、
我知道TensorFlow提供分布式培训API，可以在多个设备上进行培训，如多个GPU、CPU、TPUs或多台计算机(工人)，请遵循以下文档：。但是，我有一个问题，这是否有可能分割列车使用数据并行训练跨多台机器(包括移动设备和计算机设备)？
如果你有任何的指导/指导，我将非常感激。
浏览 3提问于2020-04-10得票数 1
回答已采纳
1回答
在尝试了当前的分布式训练实现后，我认为它将每个GPU视为一个单独的worker.However，现在在一个盒子中有2~4个GPU是很常见的。采用单盒多GPU方法首先计算单盒中的平均梯度，然后跨多个节点同步，不是更好吗？这种方式大大减轻了I/O流量，而I/O流量一直是数据并行性的瓶颈。有人告诉我，在目前的实现中，可以通过将所有GPU放在一个盒子中作为工作程序，但我无法弄清楚如何将平均梯度与SyncReplicasOp
浏览 14提问于2016-09-20得票数 0
1回答
我需要在离线设备中部署卷积神经网络模型。我知道我们可以使用来训练一个模型，调优超参数并部署它来进行预测。但我的问题是，我们是否可以下载经过训练的TensorFlow模型并将其部署到自定义设备上进行预测？
注意-自定义设备将有很大的处理能力，但没有互联网连接。
浏览 2提问于2017-06-06得票数 2
回答已采纳
我已经构建了一个语义分割Keras (tensorflow后端)模型，并试图在google cloud ml引擎上对其进行训练。我有大约200,000 (256x256)个图像可以在小批量(10)上训练大约100个时期。当我只使用complex_model_m_gpu类型的主设备时，1个纪元几乎要花25个小时。我不确定Keras模型如何适应多GPU训练设备(例如，complex_model_m_gpu)。没有关于这方面的文档，只有关于
浏览 11提问于2018-07-18得票数 2
我有一个300*300图像的数据集，以及它们中的框和对象标签。我想使用SSD网络来检测图像上的这些对象。我也想在移动设备上做这件事，所以我需要最终的模型与TF Mobile/Lite兼容。我认为不应该有受过训练的TF SSD模型，我只需要在我自己的数据集上进行训练。但我只能找到那些受过训练的人。我也找不到任何教程，这说明了如何在自己的数据集中训练现有的模型。因此，更准确地说：
我的假设是，我应该得到未经训练的模型，然后用
浏览 1提问于2018-04-27得票数 2
我如何从元图文件中恢复结构，然后只更改部署使用的设备？我已经用相同的python脚本开始了几个不同的训练过程，但使用了不同的可配置参数，例如:单元大小、层数、单元类型(LSTM或GRU)……我不想详细记录。我认为对我来说最方便的是简单地导入除了模型的设备放置之外的所有东西，将其放置在设备上进行部署，并在一些检查点文件中使用预先训练好的参数对其进行初始化。
浏览 0提问于2016-07-08得票数 1
所以我有一个多个装置轨迹的数据集。每个设备都有轨迹ID(多个轨迹)，其中每个轨迹由起始点(x，y)和终点(x，y)、启动时间和结束时间组成。从根本上说，每个设备在一段时间内不移动时都会停止。任务是预测每个设备的端点(x和y代表最后的轨迹)，因此这是一个多标签回归问题。问题是每个设备都会走不同的路径，所以我认为我必须为每个设备训练一个模型。我不认为它会起作用，因为我必须预测完全不同的
浏览 0提问于2020-12-12得票数 2
在代码中没有使用集群和服务器的情况下，我看到了一些关于多GPU的例子。非常感谢!
浏览 4提问于2016-06-09得票数 10
回答已采纳
因此，在TensorFlow关于使用的指南中，有一部分是关于以“多塔方式”使用多个GPU的：for d in ['/device:GPU:2', '/device:GPU:3']:
with据我所知，如果没有手动设备放置，TensorFlow没有某种形式的最佳设备映射(如果您安装了GPU版本，并且可以在CPU上使用GPU )。那你还有别的选择吗？，并希望稍后使用
浏览 0提问于2018-11-17得票数 1
1回答
iOS的动态机器学习模型
、、、、
我有一个用SWIFT写的iOS应用程序。它获取用户信息并将其保存在数据库(Firebase)中。我想使用这些数据，然后动态更新随着数据更新而创建的机器学习模型，以便每次都提供改进的预测。我知道我可以单独创建我的训练模型(例如，使用TensorFlow)，然后使用Core将其导入到我的应用程序中，但是我如何做到这一点，以便模型随着新数据的到来而不断更新？
谢谢你的帮助！！
浏览 0提问于2018-04-16得票数 0
1回答
我正在使用知识蒸馏实现快速的DNN模型训练，如下图所示，以并行运行教师和学生模型。并行运行两个模型的正确方法是什么？是否可以使用Pyth
浏览 5提问于2020-09-11得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
