Mac使用PlaidML加速强化学习训练

本文链接：https://blog.csdn.net/qq_32732581/article/details/104508743

本文介绍PlaidML，一款使NVIDIA、AMD和Intel显卡都能用于深度学习训练的工具。通过PlaidML，用户可在Keras、ONNX和nGraph等环境下轻松调用GPU资源。文章详细讲解了在MacBook上安装PlaidML并利用GPU运行CNN的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PlaidML项目地址：https://github.com/plaidml/plaidml

目前 PlaidML 已经支持 Keras、ONNX 和 nGraph 等工具，直接用 Keras 建个模，MacBook 轻轻松松调用 GPU。
通过这款名为 PlaidML 的工具，不论英伟达、AMD 还是英特尔显卡都可以轻松搞定深度学习训练了。
下面进入正题👇

如何用自己笔记本电脑的 GPU 运行一个简单的 CNN(建议在虚拟环境中操作)

Install PlaidML with Keras：pip install plaidml-keras
记住一点，标准 TensorFlow 框架下的 Keras 无法使用 PlaidML，需要安装 PlaidML 定制的 Keras。
Now setup PlaidML to use the right device：plaidml-setup
我们首先会看到一个欢迎页面，并跳出一个问题，即是否要使用实验性设备。根据提示，允许实验设备会导致系统运行不佳、崩溃和其他故障。我们可以键入「n」或「nothing」，然后返回选择使用默认设备。

现在得到了自己选择的设备列表。以作者的电脑 Macbook Pro 15’2018 为例，设备列表如下：
（1）CPU
（2）英特尔 UHD Graphics 630 显卡
（3）AMD Radeon pro 560x 显卡

最后，键入「y」或「nothing」，返回保存设置。这样以来，我们就已安装所有设备，并且可以使用 GPU 来运行深度学习项目了。
按顺序运行以下代码，将 PlaidML 用作 Keras 后端，否则会默认使用 TensorFlow。

# Importing PlaidML. Make sure you follow this order
import plaidml.keras
plaidml.keras.install_backend()
import os
os.environ["KERAS_BACKEND"] = "plaidml.keras.backend"

# then you can write your codes
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

if __name__ == "__main__":
	pass