Найдите, используют ли Keras и Tensorflow графический процессор - PullRequest
0 голосов
/ 26 марта 2019

Я установил тензорный поток-gpu на моем ПК, который работает под управлением Windows 10 и имеет две графические карты:

enter image description here

Я пытаюсь скопировать Tensorflowдокументация:

enter image description here

Однако я не понимаю, что описано в документации:

enter image description here

Как я могу узнать, использует ли Tensorflow мой графический процессор?Я считаю, что правильно выполнил все инструкции по настройке, но как я могу это проверить?

Я понимаю, что Tensorflow по умолчанию использует доступный gpus.

Updates

@ Sharky:

Вот что я получу, если буду следовать твоим инструкциям, если я хорошо их понял.Что я должен сделать вывод и что я должен делать дальше?

enter image description here

@ Manoj

Это то, что я получаюкогда я запускаю код из оболочки python, вызываемой из командной строки:

enter image description here

Каково значение и значение сообщения?

Ответы [ 3 ]

0 голосов
/ 26 марта 2019

Однако я не получаю то, что описано в документации:

Я получаю журналы устройства при запуске фрагмента кода, который вы предоставили на компьютерах с процессорами и графическими процессорами.

Я заметил, что вы запускаете его в каком-нибудь REPL или ноутбуке.Можете ли вы попробовать сохранить содержимое в файл и запустить его как скрипт Python?

0 голосов
/ 26 марта 2019

Вы должны установить tenorflow с поддержкой gpu, обычно pip install tensorflow только для процессора. Здесь вы можете найти руководство по установке gpu tenorflow. После этого, когда вы запустите образец log_device_placement в терминале, вы должны получить информацию об использовании gpu.

0 голосов
/ 26 марта 2019

Использовать nvidia-smi Его можно найти в C:\Program Files\NVIDIA Corporation\NVSMI, если я не ошибаюсь.

Перейдите в каталог, где находится nvidia-smi.exe, и запустите его из командной строки с помощью nvidia-smi команда.Это также позволяет отслеживать использование памяти и загрузку gpu в процессе с nvidia-smi -l 1, где 1 - частота обновления в секундах.Вы можете найти больше вариантов с nvidia-smi -h

...