使用GPU 训练Tensorflow/Keras 的CNN模型

最新推荐文章于 2024-12-30 10:06:54 发布
最新推荐文章于 2024-12-30 10:06:54 发布
阅读量2w 收藏 27
点赞数 2
分类专栏： python 文章标签： GPU CUDA cuDNN keras
By Zen. 行行皆辛苦，三连必须有！
本文链接：https://blog.csdn.net/xiaozisheng2008_/article/details/80558914
版权
本文介绍了如何在配备NVIDIA MX510 GPU的联想潮7000笔记本上，利用CUDA和cuDNN加速Tensorflow-Keras的猫狗识别CNN模型训练。通过安装CUDA9.0、cuDNN，验证安装成功后，使用pip安装tensorflow-gpu和keras。经过测试，GPU训练比CPU快约5倍，模型精度达到80%左右。
摘要由CSDN通过智能技术生成

关键词：Kaggle 猫狗大赛，MX510 GPU， 联想潮7000， Win10， NVIDA显卡

之前写了一个猫狗识别的CNN模型，利用笔记本进行训练，每次都需要好久，基本每个epoch要5分钟左右，来来回回改改参数，每次都要等漫长的时间。于是在找怎么利用GPU进行训练。

1. 电脑的显卡是NVIDA MX510， 可以支持CUDA，要使用tensorflow-gpu版本，需要安装CUDA9.0，下载之后直接安装，可能有2个patch可以下载，但是patch 1装不上，patch 2 可以，不影响。


2. 下载cuDNN并安装，需要注册一下，下载后解压，将文件复制到CUDA的安装目录。

这是cuDNN解压后的文件

了解本专栏 订阅专栏 解锁全文 超级会员免费看
tensorflow2.5.0-GPU测试工程
07-27
在ubuntu16.04上编译好tensorflow2.5.0-GPU；使用的是RTX 2060 Super测试多张图片；比TF-CPU加速很多。
关于GPU下tensorflow加速CNN的运行操作步骤
qq_31648921的博客
12-01 1059
1，已按照https://blog.csdn.net/qq_31648921/article/details/96426915 安装好GPU加速相关组件 2，创建好了envs 3,具体的操作步骤：
使用GPU训练Tensorflow/Keras 的CNN模型
yiyayiya557的博客
05-07 1518
参考文章： 使用GPU 训练Tensorflow/Keras 的CNN模型 https://blog.csdn.net/xiaozisheng2008_/article/details/80558914 tensorflow显存管理、tensorflow使用多个gpu训练 https://blog.csdn.net/liulina603/article/details/80180355 ...
【TensorFlow】Keras介绍与入门
最新发布
专注上位机开发、机器视觉、机器学习、嵌入式软硬件开发
12-30 1万+
Keras 是一个高级神经网络API，它以简单性和快速实验设计为目标。Keras 既可以作为独立工具使用，也可以作为 TensorFlow、Microsoft Cognitive Toolkit (CNTK) 和 Theano 等后端的接口。自2017年起，Keras 成为了 TensorFlow 的官方高级 API，并且是推荐给初学者和专家的主要界面。
猫狗识别基于tensorflow2.0 GPU版 自建CNN模型
wmoxie的博客
06-01 851
基于tensorflow2.0 GPU版 自建CNN模型 1. 导入库 import tensorflow as tf from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense from tensorflow.keras.models import Sequential, load_model from tensorflow.keras import optimizers from tensorflow.keras.pr
Keras调用单个或者多个GPU训练的方法
qq_42902997的博客
10-27 4479
前期准备： 下载和安装自己 nvidia 驱动 按照nvidia 驱动的版本号安装 cuda 和 cudnn 安装 anaconda 添加 anaconda 的环境变量 创建 conda 的虚拟环境 1. 安装 keras-gpu （因为 conda 会将一系列的附带包全部安装适配版本，例如 cudatoolkit，tensorflow-gpu，所以直接用 conda 安装 keras-gpu 即可） 进行这一步，默认读者已经安装了 anaconda 并且创建了自己的虚拟环境； conda ins
keras深度训练:GPU设置
qq_38410428的博客
06-27 6379
keras指定运行时显卡及限制GPU用量 固定GPU训练： import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF #进行配置，每个GPU使用90%上限现存 os.environ["CUDA_VISIBLE_DEVICES"]="0,1" # 使用编号为0，1号的GPU config = t...
［超级详细］如何在深度学习训练模型过程中使用GPU加速
热门推荐
我不会写代码
05-12 2万+
在深度学习当中，我们训练模型通常要对模型进行反复的优化训练，仅用CPU来进行训练的话需要花费很长时间，但是我们可以使用GPU来加速训练模型，这样就可以大大减少我们训练模型花费的时间。
第37步 深度学习图像识别：CNN建模（Tensorflow）
qq_30452897的博客
06-18 4872
第37步 深度学习图像识别：CNN建模（Tensorflow）
TensorFlow+Keras深度学习人工智能实践应用（源代码与数据集）
12-10
TensorFlow和Keras是当前深度学习领域最为流行的开源框架，它们结合使用可以极大地简化模型构建、训练和部署的过程。 首先，TensorFlow是由Google开发的一个强大的机器学习库，它支持高性能的数值计算。其核心是...
使用多GPU训练模型.md
04-06
### 使用多GPU训练模型 #### 一、概述 在深度学习领域，特别是在处理大规模数据集时，使用多个GPU可以显著提升训练效率。本篇文档详细介绍了如何利用TensorFlow中的`tf.distribute.MirroredStrategy`策略来实现多...
使用python+tensorflow 2实现了CNN经典模型AlexNet
10-05
**使用Python + TensorFlow 2 实现CNN经典模型AlexNet** 卷积神经网络（Convolutional Neural Networks，简称CNN）在图像识别与计算机视觉领域扮演着重要角色，而AlexNet是CNN发展史上的一个里程碑，它在2012年的...
神经网络【Tensorflow &Keras】
04-10
Keras的API简洁明了，使得构建复杂的神经网络模型变得简单，同时也支持模型并行和多GPU训练。 在神经网络的实现中，TensorFlow和Keras可以结合使用。Keras的高层次抽象能够快速构建模型，而TensorFlow则负责底层的...
深度学习使用Tensorflow和Keras对本地数据集进行图像分类以及性能调优
11-17
- 使用GPU加速：TensorFlow可以充分利用GPU的并行计算能力，显著提高训练速度。确保正确配置CUDA和cuDNN库。 - 批量归一化：在每一层之后添加批量归一化层，可以加速收敛并提高模型的泛化能力。 - 模型剪枝和量化...
如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块
z
05-16 724
如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块 嗨，我是error。 这次的笔记是关于tensorflow基本框架的搭建，零基础带你熟悉如何应用keras搭建自己的CNN模型，并训练自己的数据，实现深度学习。 代码主要参考来源自 【国家精品课程】北京大学人工智能实践-TensorFlow2.0 CIFAR10数据集介绍，并使用卷积神经网络训练图像分类模型 Keras的八股文构建方法 这篇文章主要是写给tensorflow零基础但深度学习对CNN结构有一定
tensorflow入门项目（二）：手写数字识别之CNN模型（详解）
qq_42847843的博客
12-19 1118
前言 在做实战项目时，最好有一定的基础。个人觉得吴恩达的视频讲解的很好，可以看一下打个基础。 内容 附上代码以及详细解析 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('E...
使用tensorflow构建卷积神经网络（CNN）
毕业作品网站
05-20 3142
，每一个特征平面由一些矩形排列的神经元组成，同一特征平面的神经元共享权值，这个共享权值就是卷积核。卷积核一般以随机小数矩阵的形式初始化，在网络的训练过程中卷积核将学习得到合理的权值。卷积神经网络分为了三部分，第一部分为输入层，第二部分由若干个卷积层和池化层 组成，第三部分为一个全连接的多层感知分类器构成。注意：Layer L1 为输入层，L2为隐含层，L3为输出层，h（x）为假设函数。设置我们的权重和偏移，损失函数，梯度下降，初始化参数，初始化模型保存。这一步，我们声明了一些神经网络的参数。
TensorFlow实战：Chapter-3（CNN-1-卷积神经网络简介）
DFan的NoteBook
07-19 2万+
卷积神经网络简介 CNN的提出 CNN的壮大 卷积神经网络结构 卷积神经网络的常见网络结构 卷积 信号处理中的卷积 图像处理中的卷积 卷积的类型的参数 卷积层 卷积层原理 卷积层算法 卷积层特点 权值共享 多卷积核 池化层 池化层原理 池化层算法 池化层特点 池化单元的平移不变性 显著减少参数数量 TensorFlow中的CNN 卷积 strides参数 padding参数 tfnnconv2d t
使用GPU加速TensorFlow机器学习
架构师学习成长之路
04-07 6185
    在Thinkpad X260上运行一个CNN图像分类的样例程序时，发现速度特别慢，迭代一轮要将近5分钟，那么迭代200轮需要1000分钟，16个小时！在看到TensorFlow相关的书籍时，总是提到GPU加速，对于这样的问题，应该能派上用场吧。TensorFlow目前只支持NVIDIA显卡，笔者手头没有，阿里云上有GPU计算型ECS，便“按量付费”买了一台，开始了一场“坎坷小贵”的验证之旅...
面部表情识别APP开发：使用Tensorflow/Keras与FLASK部署
通过利用Tensorflow和Keras框架构建类似于VGG的CNN模型，并利用GPU加速训练，项目在FER 2013数据集上进行了训练。最终，使用FLASK框架将训练好的模型部署为Web应用程序。该应用程序目前能够识别包括中性、快乐、悲伤...
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

boldyoungster

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