如何在带有 TensorFlow 后端的 Keras 中使用其他 GPU？答案

【问题标题】：How to use other GPUs in Keras with a TensorFlow backend?如何在带有 TensorFlow 后端的 Keras 中使用其他 GPU？
【发布时间】：2016-12-19 17:54:05
【问题描述】：

这与 How to enable Keras with Theano to utilize multiple GPUs 有关，但我没有使用多个 GPU，而是有兴趣指定特定模型在哪个 GPU 上训练或运行。

我的nvidia-smi 输出如下所示：

+------------------------------------------------------+                       
| NVIDIA-SMI 361.42     Driver Version: 361.42         |                       
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla K80           Off  | 0000:03:00.0     Off |                    0 |
| N/A   38C    P0    60W / 149W |  11354MiB / 11519MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  Tesla K80           Off  | 0000:04:00.0     Off |                    0 |
| N/A   37C    P0    71W / 149W |    224MiB / 11519MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   2  GeForce GTX 750 Ti  Off  | 0000:06:00.0      On |                  N/A |
| 40%   29C    P8     1W /  38W |    120MiB /  2047MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

这个输出当然是什么都没有运行的时候。问题是我不确定在 Keras 中如何指定要在哪个 GPU 上运行。当然，使用 TensorFlow，我们可以只使用 with tf.device('/cpu:1'): 范式，但我不确定它如何与 Keras 集成。

谢谢！

【问题讨论】：

仅供参考，此处的常见问题解答并未说明此功能是否会针对 tensorflow 案例向 Keras API 公开（尽管它为 Theano 后端提供了一种方法）。 keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu

标签： machine-learning neural-network tensorflow deep-learning keras

【解决方案1】：

除了在 keras.json 文件中指定 tensorflow 作为后端之外，您还可以使用环境变量 CUDA_VISIBLE_DEVICES (http://acceleware.com/blog/cudavisibledevices-masking-gpus) 限制使用的 GPU 数量和/或使用特定的 GPU .您可以在此处指定要使用的 GPU。

【讨论】：

【解决方案2】：

基本上两个步骤，你必须遵循：

安装支持 GPU 的 tensorflow 版本。看到这个https://www.tensorflow.org/versions/r0.7/get_started/os_setup.html
Keras 默认使用 Theano 作为后端。你需要把它改成tensorflow

vi ~/.keras/keras.json

文件内容：{"epsilon": 1e-07, "floatx": "float32", "backend": "theano"}

将“theano”改为“tensorflow”

问题是您只需要安装启用 gpu 的 tensorflow 版本。它将自动使用您配置的 gpu。

cuda和tensorflow的安装过程见此链接http://www.nvidia.com/object/gpu-accelerated-applications-tensorflow-installation.html

【讨论】：