在tensorflow官方tutorial上给出了多GPU的用法，但那是基于data-parallelism的计算，主要思想是将数据划分成不同部分，用同一个模型进行计算
但是我在写代码中发现，会出现单个模型过大无法再单个GPU上运行，这时候就需要model-parallelism
上网查找了很多资料后，发现这个博主写的不错，附带了github代码，How to Use Distributed TensorFlow to Split Your TensorFlow Graph Between Multiple Machines
实现起来其实非常简单，只需要将模型划分，让不同的网络层在不同的GPU上计算就可以了
#实现一个[9k,9k,9k]的densenet，前两层在GPU0上训练
#最后一层在GPU1上训练，因为输出层权重矩阵大概是[28k,10k]单个GPU会显示内存不够
def dense_gpu(input, keep_prob)
最低0.47元/天 解锁文章
2853
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
