我正在使用AWS在自定义数据集上训练CNN。我启动了一个p2.xlarge实例,将我的(Python)脚本上载到虚拟机,并通过CLI运行代码
我用Python3(CUDA 10.0和Intel MKL-DNN)为TensorFlow(+Keras2)激活了一个虚拟环境,这是AWS的默认选项
我现在正在运行我的代码来训练网络,但感觉GPU没有“激活”。训练的速度和我用CPU在本地运行时一样快(慢)
这是我正在运行的脚本:
https://github.com/AntonMu/TrainYourOwnYOLO/blob/master/2_Training/Train_YOLO.py
我还试图通过将with tf.device('/device:GPU: 0'):
放在解析器后面(第142行)并缩进下面的所有内容来修改它。然而,这似乎没有改变任何事情
关于如何激活GPU(或检查GPU是否已激活)的任何提示
最后,它与我的tensorflow软件包有关!我不得不卸载tensorflow并安装tensorflow gpu。之后,GPU被自动激活
有关文档,请参阅:https://www.tensorflow.org/install/gpu
签出this answer以列出可用的GPU
您还可以使用CUDA来list the current device,如果需要,还可以使用set the device
相关问题 更多 >
编程相关推荐