1回答
ML训练过程不在GPU上
、、、
我刚从AWS转到Google Cloud Platform，因为它的GPU价格更低。然而，当我尝试训练我的模型时，训练过程仍然在CPU上进行。
浏览 18提问于2017-12-23得票数 2
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？我使用的是MXNet，但这是所有ML框架的通用问题。
编
浏览 5提问于2020-09-11得票数 0
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
我正在学习ML，我想重新训练一个用于车道检测的AI模型。我找到了这个，想试一试。但我一直面临一个问题：
我没有GPU，所以我希望我能用我的CPU训练这个模型。但遗憾的是，该代码的某些部分是用CUDA编写的。有没有办法，我可以把这个GPU代码转换成CPU代码？我应该只为CPU训练找到另一个人工智能模型吗？
浏览 8提问于2022-09-08得票数 0
回答已采纳
1回答
我正在尝试在Sagemaker笔记本电脑上启用GPU。尽管我使用的是一个ml.p2.xlarge实例，但当我在我的笔记本中尝试时：tf.test.is_gpu_available(cuda_only=False如果没有GPU，我的训练过程将相当缓慢。如何在我的Sagemaker笔记本电脑中激活和使用GPU？
浏览 1提问于2021-04-01得票数 3
3回答
现在我想用GPU做一些预测。我看到了这个，但是它讲述了使用GPU进行训练的过程，而不是预测。在预测会话中，GPU没有任何信息。gcloud ml-engine predict --model ${MODEL_NAME} --json-instances request.json
这个命令可
浏览 1提问于2017-05-10得票数 4
回答已采纳
我可以导入tensorflow并在Cloud Datalab中运行模型，但我如何配置它以使用GPU？这里的文档只讨论机器，我不确定如何通过Datalab：进行配置datalab create --machine-type standard_gpu mlCreating the instance ml-https:&#x
浏览 2提问于2017-03-10得票数 5
1回答
为我的ML模型处理批处理花费了太多的时间，所以我正在考虑并行化它们。计划如下:一个单一的数据结构将存储一组数据点。每一步训练算法都采用随机子集对模型进行训练(用TensorFlow在GPU</e
浏览 4提问于2016-07-05得票数 2
回答已采纳
1回答
我正在尝试使用带有tensorflow后端的keras来训练ResNet50模型。我使用的是一个sagemaker实例ml.p3.2xlarge，但是我的培训时间非常长。我使用的是conda_tensorflow_p36内核，我已经验证我安装了tensorflow-gpu。
训练时间截图。
虽然使用的是0%，但sagemaker实际
浏览 1提问于2022-04-13得票数 0
回答已采纳
我们现在正在购买GPU机器，并打算使用它们来运行ML培训。由producer、queue和N*workers组成的计划系统架构是：
最好的
浏览 1提问于2021-08-25得票数 1
回答已采纳
我正在尝试使用GPU模式的google cloud ml。但是，它在训练中效果很好。
我不确定在GPU模式下学习是否很好。此外，我还尝试了训练complex_model_m_gpu模式。我也有像BASIC_GPU这样的错误日志。但是，当我打印config.log_device_placement时，我看不到gpu:/1，gpu:&#x
浏览 2提问于2017-09-27得票数 0
我正在训练一个语义切分模型。我使用的批处理大小为10个图像上的一个单一的GPU培训。我同时使用相同的超参数在多GPU (3 GPU)设置上进行训练.对于多GPU，我使用的批处理大小为30张图像，即每GPU 10张图像.从理论上讲，在训练过程中，每个阶段的每一步损失值是否应该是单个GPU和多GPU训练过程中相同的值范围？
就我而言
浏览 2提问于2019-01-31得票数 0
回答已采纳
但与AWS不同的是，我无法在web上找到有关如何配置google计算引擎的太多信息。有没有人能给我推荐或者指出对我有帮助的资源？我已经查看了google cloud文档，虽然它们很清楚，但它们确实没有给出任何关于使用哪种GPU的建议，或者在我试图创建VM实例时，我看不到任何GPU实例。我想在AWS g2.2xlarge实例行上使用一些东西。
浏览 1提问于2016-12-01得票数 1
我正在用google cloud ml-engine训练一个神经网络。我使用tf.layers、tf.losses、tf.dataset等tensorflow高级apis构建网络。网络是如此巨大，它应该使用大量的gpu，但在ml-engine的作业详细信息页面中显示，它没有使用主cpu以及gpu。尽管主cpu和gpu中的一些内存正在被使用。我使用"complex_model_s“作为主cpu，使用"standard-gpu”作为辅助处理器，并使用类型
浏览 3提问于2018-07-05得票数 0
如何根据GPU CUDA核的数量来估计ML算法的训练时间？我要买一个桌面，我想知道什么GPU是最好的钱，我即将花费。
浏览 0提问于2022-01-17得票数 0
回答已采纳
我训练了一个对象检测API模型(使用动物园的COCO / Inception v2的Mask RCNN )，具有相同的配置，TensorFlow和模型版本，以及相同数量的步骤的相同(自定义)数据集。在本地机器(1080TI上的tensorflow-gpu)上，我使用了object_object/Train.py，而在云上，我使用了调用object_detection.train模块的googleml-engine作业。云运行使用了5个工作进程，而本地运行只有1个<em
浏览 28提问于2018-08-23得票数 0
回答已采纳
在colab中，每当我们需要图形处理器时，我们只需单击change runtime type并将硬件加速器更改为GPU cuda可用，torch.cuda.is_available()就是True 如何做到这一点是我是AWS的新手，正在尝试在aws sagemaker中使用pytorch训练模型，Pytorch代码首先在colab环境中进行测试。 我的sagemaker笔记本电脑是ml.t2.medium
浏览 31提问于2021-04-02得票数 0
回答已采纳
1回答
不过，我似乎能够做到这一点，即使在使用REST时，它也总是引用一个培训器模块，该模块实际上是在已安装了sklearn的标准python3运行时上培训的离线python3，而不是任何谷歌服务：'pythonVersion': '3.5'}request = ml.projects
浏览 2提问于2019-03-11得票数 1
回答已采纳
我试图将TensorFlow模型部署到GCP的云机器学习引擎中进行预测，但我得到了以下错误：我的模型是在几个GPU
浏览 0提问于2018-08-21得票数 0
我目前正在.NET Framework4.8中开发一个桌面工具，它接收带有潜在裂纹的图像列表，并使用经过ML.Net (C#)训练的模型来执行裂纹检测。我试图通过将TensorFlow包依赖关系从SciSharp.TensorFlow.Redist切换到SciSharp.TensorFlow.Redist-Windows-GPU来加快这个过程，如这个中所描述的那样我还试着比较一下5760张图像的小数据集的训练时间，但没有看到多大的差别(两者都花了大约7分钟21秒)。在这一点上，我似乎设置
浏览 2提问于2020-08-28得票数 4
回答已采纳
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
