我有一包模型，我用GPU训练并保存在一台机器上。我使用了以下经过训练并在GPU上运行的模型 model = Sequential()
model.add(CuDNNLSTM(units=30,input_shape=(None, 11CPU的机器中进行预测。我已经在第二台机器上加载了模型并加载了
浏览 63提问于2019-09-12得票数 0
我在GPU上训练了一个模型，现在我正试图在CPU上对其进行评估(GPU正用于不同的训练运行)。但是，当我尝试使用以下命令加载它时： with tf.device('/cpu:0'):
model = tf.keras.models.load_model('models/resnet50_untrained.h5', compile=False) 我要
浏览 33提问于2019-10-17得票数 2
回答已采纳
我正在训练一个深层次的神经网络模型--让我们称之为模型A- -在我的主要训练脚本train.py上使用train.py。此train.py导入utils.py，其中定义了提供培训过程的数据生成器。utils.py还导入other_utils.py，其中创建并初始化了一个经过预先训练的深层神经网络模型-MODEL B-，因为数据生成器使用它来处理培训数据。模式B的初
浏览 3提问于2022-01-10得票数 0
回答已采纳
1回答
使用CPU加载模型权重时内存不足
、、、、
1.我训练了我的GPU深度学习模型。import keras 和我想要加载模型，并使用但是得到了以下错误tensorflow.python.framework.errors_impl.InternalError: CUDA runtime implicit initiali
浏览 1提问于2021-01-13得票数 0
回答已采纳
我遇到的问题是，我不能成功地把我的训练批次分成多个GPU。如果使用来自multi_gpu_model的tensorflow.keras.utils，则tensorflow将在所有可用的gpu(例如2)上分配全部内存，但如果监视nvidia，则只使用第一个gpu正如预期的那样，数据由cpu加载，模型在gpu<em
浏览 0提问于2019-03-06得票数 0
我正在用8个gpus在超级计算机上运行我的代码。虽然，我分配了8个gpus，但其中一个刚刚被占用。我在网站上看到了一些注释，似乎Tensorflow会自动使用gpu，如果它是适用的，但我仍然不知道如何使用所有的gpu。代码只是一个深网络，需要使用model.fit()进行训练，然后使用model.predict()来预测测试数据。
浏览 0提问于2021-03-06得票数 2
1回答
我很难在文档中找到关于如何在TensorFlow服务中保存和加载模型的特定信息，以及在CPU与GPU上运行时可能存在的差异。为了服务多个模型(以及每个模型的一个或多个版本)，一个一般工作流是：
sa
浏览 2提问于2019-05-31得票数 5
回答已采纳
使用python，keras和tensorflow，我在PC上开发并训练了一个带有GPU ran预测等的模型，一切都很好。然后，我将模型和预测代码转移到一台装有requirements.txt的笔记本电脑上，重新构建了环境，将gpu包交换到cpu包。 当我尝试运行预测代码时，我得到了一个我无法理解的错误。我的印象是tensorflow</
浏览 239提问于2020-11-03得票数 1
1回答
我想知道设置创建/训练模型的设备以优化资源使用的正确方法是什么，以便使用Keras在TensorFlow中进行快速培训？我有1个CPU和2个GPU可供我使用。最初，我使用tf.device上下文来创建模型并仅在CPU上进行培训，但后来我在TensorFlow文档中看到了，它们建议在CPU上显式实例化模型：
# Instantiate t
浏览 3提问于2019-11-27得票数 1
回答已采纳
2回答
我有一个用python tensorflow训练并保存的模型。现在，我想在c++应用程序中执行预测。我像这样加载模型(在Tensorflow 1.3.1上)：
tensorflow::Status statu
浏览 14提问于2018-01-24得票数 1
回答已采纳
我在TensorFlow 1.14中构建了一个经过训练的模型，该模型使用(现在已被废弃的) 层(在中的TensorFlow 2.0中可用)，并且我正在尝试将旧层的权重移植到一个使用构建的新TensorFlow2.0模型中，以获得一个等效的模型。这样做的一个动机是能够在CPU上
浏览 4提问于2019-11-11得票数 2
回答已采纳
2回答
根据TensorFlow的说法，我已经在M1 (ARM) Mac上安装了。一切都很好。在的文档中，我发现下面的有点混乱
不必对现有的TensorFlow脚本进行任何更改，就可以将ML用作TensorFlow和TensorFlowdevice_name的默认值是
浏览 3提问于2021-04-19得票数 6
回答已采纳
我想训练一个在tensorflow上运行的模特。我有一个GPU，但它只有6gb的VRAM。所以我想知道是否可以使用一些CPU的RAM来卸载GPU？
浏览 0提问于2021-01-20得票数 3
我有非常简单的建筑lstm。model.compile(loss = 'categorical_crossentropy', optimizer = RMSprop(lr=0.01), metrics=['accuracy'])我有最新的Linux，1070ti，8GB，32 8GB ram
浏览 0提问于2018-07-13得票数 5
回答已采纳
不仅在训练模型时，而且在使用创建模型时 model = models.Sequential()(...)
model.summary() 在CPU上运行相同的代码示例几乎可以立即完成当我在GPU上运行代码时，CPU和GPU似乎都不能执行任何操作！)如果只是在没有训练的情况下创建模型，就会发生这种情况！在编译模型<e
浏览 36提问于2021-03-25得票数 0
如何在GCP上有多个CPU和GPU的机器上使用tensorflow 2后端训练keras模型？tf是否在后台自行处理进程？如果是这样，我如何验证它？任何简单的示例代码都是受欢迎的。
浏览 53提问于2020-04-25得票数 0
回答已采纳
当我看到在多个GPU上训练的已保存模型加载到单个GPU模型时，会出现奇怪的结果。我在一个共享环境中操作，所以我在4个GPU上进行训练，但使用单个GPU运行测试。我看到的是，当在(i)单个GPU和(ii) 4个GPU上运行时，测试将返回截然不同的结果。例如，以下是最终选择的<e
浏览 2提问于2018-03-19得票数 0
在TensorFlow对象检测API上，我在tensorFlow上的PC (GPU)上训练了更快的RCNN模型，并生成了frozen_inference_graph.pb文件。现在我想在我的笔记本电脑上使用这个型号，它有tensorFlow(CPU)。我如何使用这个frozen_inference_graph.pb文件。还有别的
浏览 1提问于2018-07-24得票数 0
回答已采纳
1回答
我试图将py文件编译为二进制文件，该二进制文件简单地从json文件读取模型并通过导入的模型预测输出。现在的问题是，当我试图通过pyinstaller编译程序时，生成的文件大约为290 it，因为它试图编译整个tensorflow包和它不想要的依赖项。更不用说，在尝试提取文件时，启动非常慢。import os
from tensorflow.keras.preprocessing.image import ImageDataGenera
浏览 2提问于2020-06-16得票数 1
回答已采纳
我最近构建了我的第一个TensorFlow模型(从手工编码的python转换而来)。我使用的是tensorflow- GPU，但我只想在训练中使用GPU作为后盾。对于其他的一切，我想使用CPU。我看到演示了如何在默认情况下使用GPU的系统上强制使用CPU。但是，您必须指定要强制使用CPU<em
浏览 1提问于2018-11-10得票数 1
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
