如何在张量流（keras）中使用 GPU 和 CPU？

Question

我正在使用 tf.keras 运行一个内存相当密集（估计约为 6GB）的 GAN 模型，我的 GPU 似乎无法处理（预测失败，仅报告 nans）。有没有办法用系统内存支持我的 4GB GPU 内存？还是一种在 GPU 和 CPU 之间分担计算工作的方法？

我的规格：

• 操作系统：Windows 10 64
• GPU：Geforce GTX 960 (4GB)
• CPU：Intel Xeon-E3 1231 v3（4 核）
• Python 图形用户界面：Spyder 5
• Python：3.8.5 / 3.8.10 在仅安装了 tensorflow 和 chess 模块的 conda 环境中
• 张量流：2.5
• CUDA：11.2.2
• cudnn: 8.1.1

有关更多信息，请参阅我几天前提出的这个问题的非常详细的版本（没有回复，因此这个问题）：TF model doesn't predict anymore after switching to GPU

Answer 1

解决方案：

在张量流中使用gpu 训练模型与使用python keras 时的任何操作系统相同。训练模型时，您将训练函数包装在with 语句中，指定gpu number作为tf.device method的参数

这是代码模板：

import tensorflow as tf

with tf.device('/device:GPU:<The gpu number>'):
    history = model.fit(<your traning info>)

否则，如果您缺乏 RAM CPU GPU 等资源，请尝试使用google colab 一个免费环境来编程张量流，并免费访问许多 GPU 的 CPU 和 RAM