Tensorflow 백엔드가있는 Keras가 CPU 또는 GPU를 마음대로 사용하도록 강요받을 수 있습니까?

Tensorflow 백엔드 및 CUDA와 함께 Keras를 설치했습니다. 때때로 요청시 Keras가 CPU를 사용하도록하고 싶습니다. 가상 환경에 별도의 CPU 전용 Tensorflow를 설치하지 않고도 수행 할 수 있습니까? 그렇다면 어떻게? 백엔드가 Theano이면 플래그를 설정할 수 있지만 Keras를 통해 액세스 할 수있는 Tensorflow 플래그에 대해 들어 본 적이 없습니다.

Keras가 CPU를 사용하도록 강제하려는 경우

방법 1

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""

Keras / Tensorflow를 가져 오기 전에.

방법 2

스크립트 실행

$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py

또한보십시오

1. https://github.com/keras-team/keras/issues/152
2. https://github.com/fchollet/keras/issues/4613

이 작업을 수행하는 다소 분리 가능한 방법은

import tensorflow as tf
from keras import backend as K

num_cores = 4

if GPU:
    num_GPU = 1
    num_CPU = 1
if CPU:
    num_CPU = 1
    num_GPU = 0

config = tf.ConfigProto(intra_op_parallelism_threads=num_cores,
                        inter_op_parallelism_threads=num_cores, 
                        allow_soft_placement=True,
                        device_count = {'CPU' : num_CPU,
                                        'GPU' : num_GPU}
                       )

session = tf.Session(config=config)
K.set_session(session)

여기로 booleans GPU와 CPU, 우리는 우리가 엄격하게 액세스 할 수있는 GPU를하고 CPU를 Tensorflow 세션의 수를 정의하여 GPU 또는 CPU와 우리의 코드를 실행할지 여부를 나타냅니다. 변수 num_GPU및는 num_CPU이 값을 정의한다. num_cores다음을 통해 사용을 위해 사용 가능한 CPU 코어의 수를 설정 intra_op_parallelism_threads하고를 inter_op_parallelism_threads.

intra_op_parallelism_threads변수가 지시 스레드 연산 그래프는 단일 노드의 병렬 연산의 수는 사용 (인트라)시킨다. 그동안 inter_ops_parallelism_threads변수 계산 그래프 (간)의 노드에서 병렬 연산에 대한 액세스 스레드의 수를 정의한다.

allow_soft_placement 다음 기준 중 하나라도 충족되면 CPU에서 작업을 실행할 수 있습니다.

1. 작업에 대한 GPU 구현이 없습니다.

2. 알려 지거나 등록 된 GPU 장치가 없습니다.

3. CPU의 다른 입력과 같은 위치에 있어야합니다.

이 모든 것은 다른 작업 전에 내 클래스의 생성자에서 실행되며 내가 사용하는 모델이나 다른 코드와 완전히 분리 될 수 있습니다.

참고 : GPU를 사용하기위한 옵션이 제공되기 때문에 설치 tensorflow-gpu및 cuda/ cudnn설치 가 필요합니다 .

참조 :

• allow_soft_placement 및 log_device_placement와 같은 ConfigProto의 옵션은 무엇을 의미합니까?

• inter_op_parallelism_threads 및 intra_op_parallelism_threads의 의미

이것은 나를 위해 일했습니다 (win10), keras를 가져 오기 전에 배치하십시오.

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

tensortflow를 가져 와서 keras를 사용하면됩니다.

import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
    model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)

keras tutorial에 따라 tf.device일반 tensorflow에서 와 동일한 범위를 간단히 사용할 수 있습니다 .

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

나는 그것을 알아내는 데 시간을 보냈다. 토마의 대답은 완전하지 않습니다. 프로그램이 test.py이고 gpu0을 사용하여이 프로그램을 실행하고 다른 gpus를 무료로 유지하려고합니다.

당신은 작성해야 CUDA_VISIBLE_DEVICES=0 python test.py

그건 알 수 DEVICES없습니다DEVICE

PyCharm에서 작업하고 CPU를 강제하기 위해 환경 변수 아래의 실행 / 디버그 구성에 다음 줄을 추가 할 수 있습니다.

<OTHER_ENVIRONMENT_VARIABLES>;CUDA_VISIBLE_DEVICES=-1