在 Tensorflow 中使用 GPU 内核进行并行计算

Question

我正在为目标检测系统开发 tensorflow-gpu 和 pyqt5。

我开发了一个基于神经网络模型的项目，该模型经过训练 通过 tensorflow 很好，但我需要加快检测速度。

我的 GPU 是 GTX 1060，CPU 是 Corei7。

如何使用 CUDA 内核来划分我的计算？

我搜索了很多文章，并在 *堆栈**溢出*但没有响应。

我如何使用 tensorflow-gpu 通过库等库对 CUDA 内核进行编程 PYCUDA 或 numba 或 CUPY？

我以多种方式提出了这个问题，但我正在寻找一种正确的方法来使用 CUDA 对 GPU 内核进行编程（GTX1060 有 1280 个 CUDA 内核，但 Corei7 有 8 个内核，通过向 GPU 提供计算，程序将加速大规模）

Answer 1

有关安装 tensorflow-gpu 的信息，请参阅 here。 在脚本中，TensorFlow 会自动使用 GPU（如果可用），但您可以查看 this 了解更多信息以检查可用内核的数量或手动选择一些等