如何最大限度地利用 R（使用 Keras 库）中的 Tensorflow 2.0 的 GPU 使用率？答案

【问题标题】：how can I maximize the GPU usage of Tensorflow 2.0 from R (with Keras library)?如何最大限度地利用 R（使用 Keras 库）中的 Tensorflow 2.0 的 GPU 使用率？
【发布时间】：2019-11-21 19:30:20
【问题描述】：

我在 GPU 上使用带有 Keras 和 tensorflow 2.0 的 R。

将第二台显示器连接到我的 GPU 后，我在深度学习脚本期间收到此错误：

我的结论是GPU内存不足，解决方案似乎是这段代码：

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.allow_growth = True  # dynamically grow the memory used on the GPU
config.log_device_placement = True  # to log device placement (on which device the operation ran)
                                    # (nothing gets printed in Jupyter, only if you run it standalone)
sess = tf.Session(config=config)
set_session(sess)  # set this TensorFlow session as the default session for Keras

根据这篇文章： https://github.com/tensorflow/tensorflow/issues/7072#issuecomment-422488354

尽管 R 不接受此代码。它说

来自 Tensorflow 的意外令牌。

tf.ConfigProto() 中的错误：找不到函数“tf.ConfigProto”

如果我从这篇文章中理解正确，似乎 tensorflow 2.0 不接受此代码： https://github.com/tensorflow/tensorflow/issues/33504

有谁知道我如何使用 Keras 库和 Tensorflow 2.0 从我的 R 脚本中最大化 GPU 使用率？

谢谢！

【问题讨论】：

@Axeman 太棒了！它返回 PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')。当我使用 tf$config$experimental$set_memory_growth(device = 0, enable = TRUE) 它说 Unrecognized device: 0.0
@Axeman 非常感谢！！这就是解决方案！
@Axeman 优雅的解决方案通过gpu解决它

标签： r tensorflow2.0 tf.keras

【解决方案1】：

要在 R 中使用 keras 或 tensorflow 启用 GPU 内存增长，使用 tensorflow 2.0，您需要在 tf 对象中找到正确的函数。

首先，找到您的 GPU 设备：

library(tensorflow)
gpu <- tf$config$experimental$get_visible_devices('GPU')[[1]]

然后为该设备启用内存增长：

tf$config$experimental$set_memory_growth(device = gpu, enable = TRUE)

您可以通过输入tf$config$experimental$然后在Rstudio中使用选项卡自动完成来找到更多相关功能。

由于这些功能被标记为实验性功能，因此它们将来可能会更改或移动位置。

【讨论】：

非常感谢您的解释！