Запуск кода Spyder на GPU вместо процессора на Ubuntu

Question

Я работаю над Spyder, чтобы создать модель глубокого обучения на машине с графическим процессором. Я обнаружил, что я работаю на процессоре, и мой код работает долго. Сначала я скачал GPU tenorflow, но не знаю, как это сделать. начать работать на GPU.

Я использовал {with tf.device("cpu"):}, но когда я пишу nvidia-smi на терминале, я не обнаружил запущенных процессов.

Я также использовал {import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"<br> os.environ["CUDA_VISIBLE_DEVICES"] = ""}, но он не работает.

Как заставить мой код Spyder работать на GPU вместо процессора на Ubuntu?

Любая помощь будет признателен.

код:

def createModel():
   with tf.device("cpu"):
        input_shape=(1, 22, 5, 3844)
        model = Sequential()
        model.add(Conv3D(16, (22, 5, 5), strides=(1, 2, 2), padding='same',activation='relu',data_format= "channels_first", input_shape=input_shape))

        model.add(keras.layers.MaxPooling3D(pool_size=(1, 2, 2),data_format= "channels_first",  padding='same'))

        model.add(BatchNormalization())
        model.add(Conv3D(32, (1, 3, 3), strides=(1, 1,1), padding='same',data_format= "channels_first",  activation='relu'))#incertezza se togliere padding

        model.add(keras.layers.MaxPooling3D(pool_size=(1,2, 2),data_format= "channels_first", ))
        model.add(BatchNormalization())
        model.add(Conv3D(64, (1,3, 3), strides=(1, 1,1), padding='same',data_format= "channels_first",  activation='relu'))#incertezza se togliere padding
        model.add(keras.layers.MaxPooling3D(pool_size=(1,2, 2),data_format= "channels_first",padding='same' ))
        model.add(BatchNormalization())
        model.add(Dense(64, input_dim=64,kernel_regularizer=regularizers.l2(0.0001), activity_regularizer=regularizers.l1(0.0001)))
        model.add(Flatten())
        model.add(Dropout(0.5))
        model.add(Dense(256, activation='sigmoid'))
        model.add(Dropout(0.5))
        model.add(Dense(2, activation='softmax'))
        opt_adam = keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
        model.compile(loss='categorical_crossentropy', optimizer=opt_adam, metrics=['accuracy'])
    return model

Answer 1

Согласно обсуждению github , существует 2 способа решения этой проблемы:

1. Удалите tenorflow и установите версию тензор потока более ранней версии

   pip uninstall tensorflow
   pip uninstall tensorflow-gpu
   pip install tensorflow==1.8.0
   pip install tensorflow-gpu==1.8.0
   

2. Если у вас более 1 GPU

   export CUDA_VISIBLE_DEVICES='0'