运行 GPU 上的 Spyder 代码而不是 Ubuntu 上的 CPU

Question

我正在使用 Spyder 在具有 GPU 的机器上创建深度学习模型我发现它正在 CPU 和我的代码运行上工作很长时间 time.First我下载了 tensorflow-GPU 但我不知道如何开始在 GPU 上工作。

我使用了 { with tf.device("cpu"): } 但是当我在终端上写 nvidia-smi 时我发现没有运行ning 进程。

我也用过{导入os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"<br> os.environ["CUDA_VISIBLE_DEVICES"] = "" } 但它不起作用。

如何在 GPU 上制作我的 Spyder 代码运行而不是 Ubuntu 上的 cpu？

如有任何帮助，我们将不胜感激。

代码：

def createModel():
   with tf.device("cpu"):
        input_shape=(1, 22, 5, 3844)
        model = Sequential()
        model.add(Conv3D(16, (22, 5, 5), strides=(1, 2, 2), padding='same',activation='relu',data_format= "channels_first", input_shape=input_shape))

        model.add(keras.layers.MaxPooling3D(pool_size=(1, 2, 2),data_format= "channels_first",  padding='same'))

        model.add(BatchNormalization())
        model.add(Conv3D(32, (1, 3, 3), strides=(1, 1,1), padding='same',data_format= "channels_first",  activation='relu'))#incertezza se togliere padding

        model.add(keras.layers.MaxPooling3D(pool_size=(1,2, 2),data_format= "channels_first", ))
        model.add(BatchNormalization())
        model.add(Conv3D(64, (1,3, 3), strides=(1, 1,1), padding='same',data_format= "channels_first",  activation='relu'))#incertezza se togliere padding
        model.add(keras.layers.MaxPooling3D(pool_size=(1,2, 2),data_format= "channels_first",padding='same' ))
        model.add(BatchNormalization())
        model.add(Dense(64, input_dim=64,kernel_regularizer=regularizers.l2(0.0001), activity_regularizer=regularizers.l1(0.0001)))
        model.add(Flatten())
        model.add(Dropout(0.5))
        model.add(Dense(256, activation='sigmoid'))
        model.add(Dropout(0.5))
        model.add(Dense(2, activation='softmax'))
        opt_adam = keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
        model.compile(loss='categorical_crossentropy', optimizer=opt_adam, metrics=['accuracy'])
    return model

Answer 1

根据github discussion，有两种方法可以解决该问题：

卸载tensorflow并安装tensorflow的降级版本

pip uninstall tensorflow
pip uninstall tensorflow-gpu
pip install tensorflow==1.8.0
pip install tensorflow-gpu==1.8.0

如果您有超过 1 个 GPU
```
export CUDA_VISIBLE_DEVICES='0'
```

运行 GPU 上的 Spyder 代码而不是 Ubuntu 上的 CPU

Running Spyder code on GPU instead of CPU on Ubuntu

python

gpu

nvidia

deep-learning

tensorflow