Я использую набор видеоданных Youtube 5M musi c, и я хотел бы обучить их алгоритму. Чтобы использовать набор данных, я должен загрузить каждое видео и дополнить его, чтобы они все были одинакового размера. Затем я подгоняю видео к меткам в нейронной сети. У меня есть система 8 GPU и система ядра 8 CPU с онлайн-сервера. Я хотел бы выделить один процессор для каждого процесса загрузки / заполнения, а затем потренироваться с использованием графических процессоров.
, что является наиболее эффективным способом сделать это. Буду ли я загружать и обрабатывать 8 видео .. затем отправлять их в графические процессоры, или у меня будет по одному графическому процессору на процессор, и пусть они будут работать так. Кроме того, как в плане схемы будет выглядеть каждый сценарий.
Мой код многопроцессорной обработки выглядит следующим образом:
if __name__ == '__main__':
processes = []
p = multiprocessing.Process(target=video_proc())
processes.append(p)
p.start()
for process in processes:
process.join()
Функция называется video_pro c и моя функция multi Код GPU выглядит следующим образом. этот код для нескольких графических процессоров содержится в video_pro c, поэтому каждый процессор имеет доступ ко ВСЕМ 8 графическим процессорам. Это также может сработать.
parallel_model = multi_gpu_model(model, gpus=8)
parallel_model.compile(loss='binary_crossentropy',
optimizer='rmsprop')
# This `fit` call will be distributed on 8 GPUs.
callbacks = [
EarlyStoppingByLossVal(monitor='loss', value=0.001, verbose=1),
# EarlyStopping(monitor='val_loss', patience=2, verbose=0),
ModelCheckpoint(kfold_weights_path, monitor='loss', save_best_only=True, verbose=0),
]
parallel_model.fit(X_D, Y_D, batch_size=8, nb_epoch=nb_epoch,
shuffle=True, verbose=1,
callbacks=callbacks)
Другое соображение заключается в том, что я бы хотел, чтобы графические процессоры никогда не простаивали, как это происходит во время процесса загрузки. А также процессоры будут простаивать во время установки данных в нейронной сети. Как я мог преодолеть это? Спасибо за любую помощь!