完美解决tensorflow-gpu2.4没有multi_gpu_model的问题

最新推荐文章于 2024-08-17 20:27:20 发布
最新推荐文章于 2024-08-17 20:27:20 发布
阅读量6.8k 收藏 9
点赞数 2
分类专栏： TensorFlow 文章标签： tensorflow
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_41194129/article/details/115283925
版权
在使用TensorFlow-GPU2.4时遇到`ImportError: cannot import name 'multi_gpu_model'`的问题。原因是该版本不包含multi_gpu_model功能。为解决此问题，可以将TensorFlow-GPU2.2中的multi_gpu_utils.py文件复制到2.4版本相同目录下，并在2.4的keras/utils/__init__.py中添加相关调用代码，以实现兼容。此方法避免了重新安装CUDA的麻烦。
摘要由CSDN通过智能技术生成

常见问题Keras报错：

无法从keras.utils导入multi_gpu_model

ImportError: cannot import name ‘multi_gpu_model’
报错原因：更高版本的tf2.4目前对于keras未兼容所以功能模块，没有multi_gpu_model功能函数。
解决方法：将tf2.2环境下生成的…/lib/python3.6/site-packages/tensorflow/python/keras/utils/multi_gpu_utils.py复制到tf2.4同样的目录下。
在这里插入图片描述复制说明：由于我的电脑是cuda11.0版本，因此对于tensorflow-gpu2.2是不兼容的，解决方法可以重新安装cuda10.2，但是我又不想重新安装，毕竟技术需要进步，因此我直接找到tf2.4下的TensorFlow目录下的keras文件目录，进入util
在这里插入图片描述粘贴：
在这里插入图片描述接下来是最要的步骤，这是因为为了方便tf2.4调用：multi_gpu_model
找到tf2.4下的TensorFlow目录下的keras文件目录，进入util之后打开__init__.py

将以下代码复制到倒数第6行࿱

最低0.47元/天 解锁文章
源代码杀手
关注
专栏目录
【Python报错】No module named ‘multi_gpu_utils‘、no attribute ‘space_to_depth‘、 ‘tensorflow_backend‘
weixin_42403633的博客
02-26 1926
【Python报错】调用keras.utils里No module named 'multi_gpu_utils'
【解决】ImportError: cannot import name ‘multi_gpu_model‘ from ‘tensorflow.keras.utils‘
zoey_peak的博客
01-14 3117
不同的TensorFlow版本路径变了，对于tensorflow-gpu==2.7.0. 用 from tensorflow.python.keras.utils.multi_gpu_utils import multi_gpu_model 替代 from tensorflow.keras.utils import multi_gpu_model
安装TensorFlow2.4-GPU
最新发布
qq_51233804的博客
08-17 145
pip 试图从一个非 HTTPS 的源安装软件包，但出于安全考虑，pip 默认只信任 HTTPS 源。这是因为 HTTP 通信在传输过程中可能被中间人攻击（MITM），导致软件包被篡改或拦截。
Keras 多GPU mult_gup_model 报错 cannot import name ‘multi_gpu_model’ from ‘keras.utils’
luschka的博客
03-22 7323
keras 多GPU训练报错及解决方法
解决 AttributeError: module ‘tensorflow.keras.utils‘ has no attribute ‘multi_gpu_model‘
豆芽菜
09-03 6712
问题：迁移低版本keras代码到高版本tensorflow代码时出现错误： AttributeError: module 'tensorflow.keras.utils' has no attribute 'multi_gpu_model' 原因：这是由于，高版本的keras中已经弃用multi_gpu_model方法，而使用了新的并行方法tf.distribute.MirroredStrategy()，这种并行即支持单机单卡，也支持多机多卡等多种形式的并行。 解决方案： ...
ImportError: cannot import name ‘multi_gpu_model‘ from ‘keras.utils‘（Tensorflow 2.7.0）
记录个人在工作学习中的思考和遇到的问题。
12-03 1万+
1、问题   在下面的代码中，假设已经pip install keras和tensorflow了。 from keras.utils import multi_gpu_model   下载好之后，Pycharm下面Terminal的窗口会提示成功下载好的版本号。两者目前都是2.7.0版本。但是会报错： 2、解决方法   通过查找Cannot import multi_gpu_model from keras.utils，我发现将上面的代码改为下面的语句，就不会报错了： from tensorflow.p
基于tensorflow的深度学习MultiGPU训练实战
热门推荐
lqfarmer的博客
04-21 2万+
进行深度学习模型训练的时候，一般使用GPU来进行加速，当训练样本只有百万级别的时候，单卡GPU通常就能满足我们的需求，但是当训练样本量达到上千万，上亿级别之后，单卡训练耗时很长，这个时候通常需要采用多机多卡加速。深度学习多卡训练常见有两种方式，一种是数据并行化（data parallelism），另外一种是模型并行化（model parallelism）。 数据并行化：每个GPU上面跑一
Tensorflow-Multi-GPU-Training.rar
07-28
本项目"Tensorflow-Multi-GPU-Training.rar"聚焦于如何利用TensorFlow框架进行多GPU训练，实现图像到图像（image2image）转换任务。下面将详细介绍这个项目中的关键知识点。 1. **TensorFlow**：TensorFlow是由...
keras使用multi_gpu_model多GPU拆分batshsize
22岁,是学生的博客
09-15 1762
先来看最终效果 两块卡GPU的利用率都会占满，训练速度会肉眼可见的提升 在此之前使用python的os库自带的GPU分配，代码如下 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # 按照PCI_BUS_ID顺序从0开始排列GPU设备 os.environ["CUDA_VISIBLE_DEVICES"] = "1,0" # 设置当前使用的GPU设备仅为0号设备 设备名称为'/gpu:0' 如果只使用这两行代码会出现仍然是单块卡的占用率跑满，另
tensorflow_multigpu_imageNet
01-17
标题中的“tensorflow_multigpu_imageNet”表明我们将讨论使用TensorFlow框架在多GPU环境下进行ImageNet数据集的图像分类任务。TensorFlow是一个强大的开源库，主要用于机器学习和深度学习，而ImageNet是一个大规模...
Tensorflow实现多GPU并行方式
09-18
今天小编就为大家分享一篇Tensorflow实现多GPU并行方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tensorflow 官方多GPU训练模型
Charel_CHEN的博客
05-18 2217
tensorflow 官方多GPU训练模型 标签（空格分隔）： tensorflow 源码 caffe如果用到多GPU训练，则需要进行编译配置MPI，而且很容易报错，tensorflow只需要在代码中使用即可。 官方给的代码： # Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed un...
【keras】多GPU训练ModelCheckpoint()保存模型
这个人很蓝
05-08 861
使用多GPU训练时需要保存的是在CPU上创建的单模型，如果直接使用ModelCheckpoint会报错，需要重写ModelCheckpoint函数，参考自 from keras.callbacks import ModelCheckpoint from keras.utils import multi_gpu_model class ParallelModelCheckpoint(ModelChe...
tensorflow-gpu 2.4 import multi_gpu_model 报错
weixin_42572915的博客
05-19 5150
开始版本： tensorflow-gpu 2.4.0 Keras 2.4.3 cuda 11.0 from keras.utils import np_utils, plot_model, multi_gpu_model 报错： ImportError: cannot import name ‘multi_gpu_model’ from ‘tensorflow.keras.utils’ (/data/home/user
tensorflow学习笔记（三十一）：构建多GPU代码
Keith
01-05 1万+
构建多GPU代码结构 先构建单GPU代码 写个函数multi_gpu_model(num_gpus)来生成多GPU代码，并将对象保存在collection中 feed data run 如何构建单GPU代码见之前博客构建TF代码 不要在单GPU代码中创建optimizer op,因为是multi gpu，所以参数更新的操作是所有的GPU计算完梯度之后，才进行更新的。如何实现multi_gpu_mo
tensorflow 多gpu 并行训练
刘石头的博客
10-19 2261
tensorflow 多GPU训练
tensorflow学习笔记(十八):Multiple GPUs
Keith
11-11 8290
Distribuited tensorflowMultiple GPUs如何设置训练系统(1)每个GPU上都会有model的副本 (2)对模型的参数进行同步更新抽象名词 计算单个副本inference和 gradients 的函数称之为tower,使用tf.name_scope()为tower中的每个op_name加上前缀 使用tf.device('/gpu:0') 来指定tower中op的运算设
keras进阶之多gpu并行
Nick Blog
12-15 597
1. 网上常见的有bug的代码 from keras.utils import multi_gpu_model import os os.environ["CUDA_VISIBLE_DEVICES"] = "0, 1" model = vgg() parallel_model = multi_gpu_model(model, gpus=2) parallel_model.compile(loss='categorical_crossentropy', optimizer='adam') parallel_
multi_gpu_model 改为1个gpu
03-22
的代码应该怎么写？ 你可以使用 Keras 中的 `Model()` 函数来创建一个单 GPU 模型，然后使用 `multi_gpu_model()` 函数将其转换为多 GPU 模型。如果要将多 GPU 模型转换为单 GPU 模型，可以使用以下代码： ```python from keras.models import Model from keras.utils import multi_gpu_model # 创建单 GPU 模型 model = Model(inputs=..., outputs=...) # 将单 GPU 模型转换为多 GPU 模型 parallel_model = multi_gpu_model(model, gpus=1) # 训练多 GPU 模型 parallel_model.compile(loss=..., optimizer=...) parallel_model.fit(...) ``` 如果要将多 GPU 模型转换为单 GPU 模型，可以使用以下代码： ```python # 将多 GPU 模型转换为单 GPU 模型 single_model = parallel_model.layers[-2] # 训练单 GPU 模型 single_model.compile(loss=..., optimizer=...) single_model.fit(...) ``` 请注意，这只是一个示例代码，具体实现可能因您的模型而异。
评论
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

打赏作者

源代码杀手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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