CuDNNLSTM模型与LSTM模型（tensorflow-gpu的使用）

噜噜啦啦咯

已于 2022-11-21 00:52:29 修改

阅读量2.7k

点赞数 4

于 2022-11-19 11:19:52 首次发布

本文链接：https://blog.csdn.net/weixin_52910499/article/details/127934374

版权

深度学习专栏收录该内容

8 篇文章 25 订阅

订阅专栏

模型对比

导入模型

初始化模型

模型对比

CuDNNLSTM与LSTM这两者都可以实现LSTM的最终预测。

CuDNNLSTM只能用在GPU上，若使用的电脑拥有较为强劲的GPU的情况下，CuDNNLSTM是最佳选择，训练时间比LSTM模型耗时更短！

实验中，使用同一数据集，LSTM的耗时比CuDNNLSTM整整慢了8-10倍。

CuDNNLSTM的使用需要下载tensorflow-gpu版本才能使用到GPU进行训练（网上很多安装教程）

导入模型

from tensorflow.compat.v1.keras.layers import CuDNNLSTM

初始化模型

    model = Sequential()
    model.add(CuDNNLSTM(100, return_sequences=True, input_shape=(None, 1)))
    model.add(Dropout(0.1))
    model.add(CuDNNLSTM(100))
    model.add(Dropout(0.1))
    model.add(Dense(n_out,activation='sigmoid'))
    model.compile(optimizer='adam', loss='mse', metrics=['mse'])