keras指定gpu_keras不使用gpu，但tensorflow

Keras没有使用MyGPU，尽管tensorflow似乎运行良好。我听从了其他人的建议，检查tensorflow：import tensorflow

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

这给了

^{pr2}$

到目前为止还不错，但是当我在Keras中指定一个分类器并对其进行训练时，它的运行速度非常缓慢。没有GPU加速的迹象：classifier.fit(X_train, y_train, batch_size = 10, epochs = 100, verbose=1)

我试过了：with tensorflow.device('/gpu:0'):

classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

同样的结果。

我不知道如何判断Keras是否在使用GPU，除了速度和明显的CPU使用情况。在

我还从tensorflow文档中运行了这个示例，在我的终端中，我可以清楚地看到它使用GPU。它比上面的keras示例运行得快得多。

导入tensorflow

#创建图形。

a=恒定流量张量([1.0，2.0，3.0，4.0，5.0，6.0]，形状=[2，3]，name='a')

b=张量流量常数([1.0，2.0，3.0，4.0，5.0，6.0]，形状=[3，2]，name='b')

c=tensorflow.matmul(a，b)

#创建一个将log_device_placement设置为True的会话。

赛斯=tensorflow.会话(配置=tensorflow.ConfigProto(log_device_placement=True)

#执行手术。

打印(sess.运行(c) )

如果您能帮我找出为什么Keras看不到我的GPU，我将不胜感激

我使用python3.6.5、tensorflowgpu1.11.0(未安装tensorflow)、keras2.2.4。

我需要指出的是，我不得不花些时间让tensorflow使用GPU，我仍然不知道为什么它突然这么做了，但它现在一直如此。我的假设是凯拉斯会自动继承这个。在

A