tensorflow（keras）中如何使用GPU和CPU？

Question

我正在运行带有 tf.keras 的相当内存密集型（估计约为 6GB）GAN model，我的 GPU 无法处理（报告似乎无法处理） 有没有办法用系统 memory 支持我的 4GB GPU memory？ 还是一种在 GPU 和 CPU 之间共享计算工作的方法？

我的规格：

• 操作系统：Windows 10 64
• GPU：Geforce GTX 960 (4GB)
• CPU：Intel Xeon-E3 1231 v3（4核）
• Python GUI：Spyder 5
• Python：3.8.5 / 3.8.10 在仅安装了 tensorflow 和国际象棋模块的 conda 环境中
• Tensorflow：2.5
• CUDA：11.2.2
• cudnn: 8.1.1

有关更多信息，请参阅我几天前提出的这个问题的非常详细的版本（没有回应，因此这个问题）： TF model 在切换到 GPU 后不再预测

Answer 1

解决方案：

In tensor flow to train a model with a gpu is the same with any operating system when using python keras you train the model you wrap your training function in a with statement specifying the gpu number as a argument for the tf.device method

这是代码的模板：

import tensorflow as tf

with tf.device('/device:GPU:<The gpu number>'):
    history = model.fit(<your traning info>)

否则，如果您缺乏诸如 RAM CPU GPU 之类的资源，请尝试使用google colab一个免费环境来编程张量流，并免费访问许多 GPU 的 CPU 和 RAM