配置以及监测：用GPU来跑Keras

风度翩翩猪肉王子

于 2019-09-30 19:49:11 发布

阅读量969

点赞数 2

分类专栏： NLP 文章标签： Keras GPU

本文链接：https://blog.csdn.net/qq_17249717/article/details/101789045

版权

本文介绍了如何配置系统以利用GPU运行Keras，包括检查Tensorflow的GPU版本、CUDA安装及环境变量设置。同时，提供了两种方法监测GPU使用率，一是通过NVIDIA的NVSMI工具，二是利用任务管理器。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前提条件：

你的系统有GPU(Nvidia.因为AMD还没有工作)
您已经安装了tensorflow的GPU版本
您已安装CUDA

并且配置好环境变量。

检测是否配置成功

第一步

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

输出

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17774500374908728487
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 3146829004
locality {
  bus_id: 1
  links {
  }
}
incarnation: 17779657347897244584
physical_device_desc: "device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1"
]

第二步

# 检查Keras是否调用GPU

from keras import backend as K

K.tensorflow_backend._get_available_gpus()

输出：

['/job:localhost/replica:0/task:0/device:GPU:0']

最低0.47元/天解锁文章