Setup:Jak włączyć Keras z Theano wykorzystanie wielu procesorów graficznych
- Korzystanie z systemu Linux z Amazon Nvidia GPU
- używam Keras 1.0.1
- Running Theano v0.8.2 backend
- Stosując CUDA i CuDNN
- THEANO_FLAGS = "urządzenie = GPU floatX = float32, lib.cnmem = 1"
Wszystko działa dobrze, ale brakuje mi pamięci wideo na dużych modelach, gdy zwiększam rozmiar partii, aby przyspieszyć trening. I postać porusza się do systemu 4 GPU byłoby teoretycznie albo poprawę całkowitej dostępnej pamięci lub pozwolić mniejszych partiach budować szybciej, ale obserwując statystyki nvidia, widzę tylko jeden GPU jest używany domyślnie:
+------------------------------------------------------+
| NVIDIA-SMI 361.42 Driver Version: 361.42 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GRID K520 Off | 0000:00:03.0 Off | N/A |
| N/A 44C P0 45W/125W | 3954MiB/4095MiB | 94% Default |
+-------------------------------+----------------------+----------------------+
| 1 GRID K520 Off | 0000:00:04.0 Off | N/A |
| N/A 28C P8 17W/125W | 11MiB/4095MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 2 GRID K520 Off | 0000:00:05.0 Off | N/A |
| N/A 32C P8 17W/125W | 11MiB/4095MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 3 GRID K520 Off | 0000:00:06.0 Off | N/A |
| N/A 29C P8 17W/125W | 11MiB/4095MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 9862 C python34 3941MiB |
I wiedzieć z surowym Theano, możesz użyć ręcznie wielu GPU wprost. Czy Keras obsługuje korzystanie z wielu GPU? Jeśli tak, czy to abstrakcja, czy trzeba zmapować procesory graficzne do urządzeń, tak jak w Theano, i wyraźnie przeliczyć obliczenia na określone GPU?
Czy słyszałeś jakieś postępy w ciągu ostatniego roku? Wiem, że Tensorflow zgodnie z oczekiwaniami je do bazy Theano, więc jestem elastyczny z jakimkolwiek zapleczem. – Ray
@Ray: Nie jestem pewien na końcu Theano, ale zdecydowanie polecam przejście na Tensorflow, jeśli masz taką opcję. –