如何在 CNTK 中为特定操作设置设备？答案

【问题标题】：How to set device for specific operation in CNTK?如何在 CNTK 中为特定操作设置设备？
【发布时间】：2017-07-24 22:41:51
【问题描述】：

我在cntk 中有一个模型，它由一个嵌入层和一个后续的LSTM 组成。我想将嵌入查找操作放在 CPU 上，而将网络的其余部分放在 GPU 上。
在张量流中，我会这样做

with tf.device("/cpu:0"):

我可以将它包装成 cntk 中的等价物是什么：

C.layers.Embedding(embedding_size)

【问题讨论】：

标签： python cntk

【解决方案1】：

在 CNTK 中，设备控制是针对特定功能/网络的前向/后向传递，而不是单个操作。如果您想在 CPU 中执行特定操作而在 GPU 中执行其余操作，则必须执行以下操作：

features = C.input_variable(input_dim)
labels = C.input_variable(label_dim)
embedding_input = C.input_variable(embedding_size, needs_gradient=True)
embedding = C.layers.Embedding(embedding_size)(features)
loss = rest_of_your_network(embedding_input, labels)
emb_state, embedding_value = embedding.forward({features: some_data}, keep_for_backward=set(embedding.output), device=C.cpu(), as_numpy=False)
loss_state, loss_value = loss.forward({embedding_input: embedding_value}, keep_for_backward=set(loss.output), device=C.gpu(0), as_numpy=False)
loss_grad_dict = loss.backward(loss_state, {loss.output: np.ones_like(loss_value)}, set(loss.parameters + [embedding_input]))
emb_grad_dict = embedding.backward(emb_state, {embedding.output: loss_grad_dict[embedding_input]}, set(embedding.parameters))
# use these dictionaries to update the parameters with a learner

【讨论】：