在 GPU 上運行 Spyder 代碼，而不是在 Ubuntu 上運行 CPU

Question

我正在使用 Spyder 在具有 GPU 的機器上創建深度學習 model 我發現正在使用 CPU 並且我的代碼運行了很長時間。首先我下載了 tensorflow-GPU 但我不知道如何開始工作GPU。

我使用 { with tf.device("cpu"): } 但是當我在終端上編寫 nvidia-smi 時，我發現沒有正在運行的進程。

我還使用了 { import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "" import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "" import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "" } 但它不起作用。

如何讓我的 Spyder 代碼在 GPU 而不是 Ubuntu 上的 cpu 上運行？

任何幫助，將不勝感激。

代碼：

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

根據github 討論，有兩種方法可以解決該問題：

1. 卸載 tensorflow 並安裝 tensorflow 的降級版本

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

2. 如果您有超過 1 個 GPU

    export CUDA_VISIBLE_DEVICES='0'