我正在Tensorflow上做一些卷积计算,在双精度数字上得到了一些奇怪的错误。
由于精度问题,我需要在float64中计算这些张量。
conv3d在float32上运行得很好,但在双精度下,它只能在中央处理器上运行,而对于图形处理器,错误告诉我
InvalidArgumentError (see above for traceback): Cannot assign a device for operation 'Conv3D': Could not satisfy explicit device specification '/device:GPU:0' b
我正在使用tensorflow-gpu版本的2.0.0和,我安装了gpu驱动程序、CUDA和cuDNN (CUDA version 10.1.243_426和cuDNN v7.6.5.32,我正在使用windows!)
当我编译模型或运行时:
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
它将打印出来:
2020-01-12 19:56:50.961755: I tensorflow/core/platform/cpu_feature_guard.cc:142] Y
任何有使用vast.ai进行云计算的经验的人都知道,当租用多个GPU时,您需要做一些设置来利用额外的GPU吗?
因为当租用6或8个GPU而不是仅仅一个GPU时,我不会注意到速度上的任何差异。我刚开始使用vast.ai进行云计算。
我使用的是默认的码头:用于深度学习框架TensorFlow ()的正式对接图像。
成功加载了tensorflow/tensorflow:夜-GPU-py3
然后再安装keras:
pip install keras
我还使用此方法检查了可用的GPU,所有GPU都被正确检测到:
from keras import backend as K
K.tensorflow_b
我期望GTX 680 (它是GPU的最新版本之一)能够进行并发数据传输(双向并发数据传输)。但是当我运行cuda SDK的“设备查询”时,“并发复制和执行”一词的测试结果是"Yes with the copy engine",这意味着GPU不能进行并发数据传输。
我想知道我的测试结果会不会也发生在你身上?您能和我分享一下哪些设备能够并发传输数据吗?
谢谢!