为什么keras LSTM使用GPU无法加速？

最新推荐文章于 2024-06-17 20:27:44 发布
最新推荐文章于 2024-06-17 20:27:44 发布
阅读量6k 收藏 14
点赞数
文章标签： gpu last Keras
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_35834894/article/details/100034755
版权

在做实验的过程中，如果不用gpu的话，我的lstm跑一遍的时间是2分钟半，

在网上找了好多资料，但是中文网也没人说这个问题，然后我以为是因为keras在使用gpu上出了问题，

但是经过测试，我所使用的平台也有gpu

那么就是keras以及网络自身的问题了

然后我找到了一个回答

那就是用CuDNNLSTM代替LSTM

keras官方文档

Fast LSTM implementation with CuDNN.
Can only be run on GPU, with the TensorFlow backend.
hhggggghhh
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
[Python人工智能] 二十四.易学智能GPU搭建Keras环境实现LSTM恶意URL请求分类
杨秀璋的专栏
11-15 4812
这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验。本专栏主要结合作者之前的博客、AI经验和相关视频及论文介绍，后面随着深入会讲解更多的Python人工智能案例及应用。基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵~作者作为人工智能的菜鸟，希望大家能与我在这一笔一划的博客中成长起来。写了这么多年博客，尝试第一个付费专栏，但更多博客尤其基础性文章，还是会继续免费分享，但该专栏也会用心撰写，望对得起读者，共勉！
keras bi-lstm_LSTM用于文本生成的应用介绍-使用Keras和启用GPU的Kaggle Kernels
07-24 509
keras bi-lstmby Megan Risdal 梅根·里斯达尔(Megan Risdal) LSTM用于文本生成的应用介绍-使用Keras和启用GPU的Kaggle Kernels (An applied introduction to LSTMs for text generation — using Keras and GPU-enabled Kaggle Kernels) Ka...
长短期记忆神经网络（LSTM）的回归预测（免费完整源代码）【MATLAB】
最新发布
沅的博客
06-17 865
LSTM（Long Short-Term Memory，长短期记忆网络）是一种特殊类型的递归神经网络（RNN），专门用于处理和预测基于时间序列的数据。与传统RNN相比，LSTM在处理长期依赖问题时具有显著优势。
LSTM+Keras
Provencess的博客
10-13 172
LSTM层 keras.layers.recurrent.LSTM(units, activation='tanh', recurrent_activation='hard_sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_initializ...
解决keras不能用GPU加速的问题。
weixin_43917589的博客
04-18 2034
1、keas如果搭配Tensorflow1.x用，就一定要用先安装tensorflow-gpu、然后安装keras-gpu。 在这里插入代码片 conda install tensorflow-gpu==1.15 conda install keras-gpu==2.3.1 不能安装keras，而是要安装keras-gpu。因为Tensorflow1.x是区分CPU版本和GPU版本的。 2、keras如果搭配Tensorflow2.x用，则keras不必区分CPU版本和GPU版本。 具体keras和ten
tensorflow2.0 lstm/gru无法使用GPU加速
guli_qi的博客
05-11 1242
https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/guide/keras/rnn.ipynb#scrollTo=76xAs7epaX21
基于keras实现的LSTM网络
12-11
1. **数据预处理**：首先，需要对时间序列数据进行预处理，如将数值型数据标准化，将序列数据转化为LSTM可接受的格式（比如使用`timeseries_dataset_from_array`函数）。 2. **模型构建**：在`model.py`中，利用...
唐诗，藏头诗，按需自动生成古诗，基于Keras、LSTM-RNN。文档齐全
05-31
唐诗，古诗，五言绝句自动生成，基于Keras，LSTM-RNN。 附带训练好的模型文件，可直接上手使用。 功能：藏头诗，随机写诗，给定第一句诗/字进行作诗 测试结果： 在GPU Tesla K80上，2s/epoch，一共有3w+个epoch。...
LSTM：使用LSTM对嘈杂的语音文件进行语音活动检测。 LSTM是通过Keras实现的。 数据处理使用Python，MATLAB和Bash完成。 实验在Johns Hopkins CLSP GPU上完成
02-02
LSTM 使用LSTM对嘈杂的语音文件进行语音活动检测。 LSTM是通过Keras实现的。 数据处理使用Python，MATLAB和Bash完成。 实验是在Johns Hopkins CLSP GPU上完成的。
timeseries-lstm-keras：基于Jason Brownlee教程，在Keras中使用LSTM递归神经网络在Python中进行时间序列预测
02-04
在这个项目"timeseries-lstm-keras"中，我们探讨了如何使用Keras库在Python中构建长短期记忆（LSTM）递归神经网络来进行时间序列预测。LSTM是一种特殊的循环神经网络（RNN），特别适合处理具有长期依赖性的序列数据...
看图说话，基于keras，支持GPU。Image captioning code in keras, runs on GPU
04-03
在本案例中，该代码是用Keras库实现的，Keras是一个高级的神经网络API，运行在TensorFlow等后端之上，支持GPU加速，大大提高了训练速度。 描述中提到的“Xception”是Google提出的一种深度学习网络结构，它是...
【机器学习】LSTM算法原理及加速算法
kouqikamalu的博客
06-03 2525
LSTM算法介绍 这里有一本书，是由Jason Brownlee所著《Long Short Term Memory Networks with Python》，里面详细 介绍了lstm相对于mlp的优势及前向后向算法。 下面给出我的csdn链接（感谢支持）和百度云链接，大家按需自取就好。 https://download.csdn.net/download/kouqikamalu/19359306 链接：https://pan.baidu.com/s/1kT0KAGGNew3BkFByi6os2A
keras终止训练后显存不释放_GPU训练加速原理（附KerasGPU训练技巧）
weixin_39678103的博客
11-23 505
0.深入理解GPU训练加速原理GPU是如何加速的呢？我打算从两个方面来解答：单个GPU较于CPU加速：在训练网络中，其实大量的运算资源都消耗在了数值计算上面，大部分网络训练的过程都是1.计算loss，2.根据loss求梯度，3.再根据梯度更新参数(梯度下降原理)。无论在GPU还是CPU中，都是不断重复123步。但是由于CPU是通用计算单元(并不擅长数值运行)，而GPU特长是图像处理(数值计算)。所...
LSTM在Imagination神经网络加速器上的运行
weixin_49393016的博客
02-23 237
近年来，语音识别变得越来越重要：它使计算机能够将口语翻译成文本。它可以在不同类型的应用中找到，例如翻译器或隐藏字幕。以Mozilla的DeepSpeech 为例，它是一个开源的语音转文本引...
RNN、LSTM、GRU等模型使用GPU时的常见错误
weixin_44457930的博客
01-24 3317
错误信息： RuntimeError: Input and hidden tensors are not at the same device, found input tensor at cuda:0 and hidden tensor at cpu 错误提示说，输入的张量在cuda中，但模型的隐藏层在CPU中，但我们检查模型，发现模型已经被放入到了cuda中了 # 实例化模型 model = LSTM(input_dim=input_dim, hidden_dim=hidden_dim, output
『开发技术』GPU训练加速原理（附KerasGPU训练技巧）
简明AI工作室
08-13 6705
0.深入理解GPU训练加速原理 我们都知道用GPU可以加速神经神经网络训练（相较于CPU），具体的速度对比可以参看我之前写的速度对比博文：[深度应用]·主流深度学习硬件速度对比（CPU，GPU，TPU） GPU是如何加速的呢？ 我打算从两个方面来解答： 单个GPU较于CPU加速： 在训练网络中，其实大量的运算资源都消耗在了数值计算上面，大部分网络训练的过程都是1.计算loss，2.根据l...
模型训练中，不调用gpu比调用gpu更快的情况
永远的我们的博客
09-29 2233
gpu，cpu，训练时间
lstm网络一般训练多少轮_利用LSTM(长短期记忆网络)来处理脑电数据
weixin_39763683的博客
11-28 1933
文章来源于公众号"脑机接口社区"利用LSTM(长短期记忆网络)来处理脑电数据​mp.weixin.qq.comRose小哥今天介绍一下用LSTM来处理脑电数据。LSTMs(Long Short Term Memory networks，长短期记忆网络)简称LSTMs，很多地方用LSTM来指代它。本文也使用LSTM来表示长短期记忆网络。LSTM是一种特殊的RNN网络(循环神经网络)。想要说清楚LST...
Keras中 LSTM 模型解读
pengxiang1998的博客
09-23 3218
t时刻的输入X和t-1时刻的输出h(t-1)进行拼接，然后输入cell中，其实可以这样理解，我们的输入X(t)分别feed进了四个小黄矩形中，每个小黄矩形中进行的运算和正常的神经网络的计算一样（矩阵乘法），有关记忆的部分完全由各种门结构来控制（就是0和1），同时在输入时不仅仅有原始的数据集，同时还加入了上一个数据的输出结果，也就是。关于return_sequence的理解：即返回序列，若为true，则说明后面还有LSTM模型需要接收序列，即存在步长，若为false，说明不需要接收模型，则没有步长这个参数。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值