如何在具有多个 CPU 的机器上 运行 带有 tensorflow 2 模型的 keras？
How to run a keras with tensorflow 2 model on a machine with multiple CPU?
如何在 GCP 上具有多个 CPU 和 GPU 的机器上训练具有 tensorflow 2 后端的 keras 模型？ tf 是否在后端处理进程本身？如果是这样，我该如何验证？任何简单的示例代码都值得赞赏。
您可以通过多种方式使用 GCP 来训练模型。
以下是其中一些（具有不同级别的 Google 管理）：
1 - 您可以创建一个 Compute Engine Instance（您可以选择需要的处理量和 CPU/GPU 的类型）并在那里进行训练。一切都通过 SSH 管理，没有图形界面或安装 python 依赖项。
2 - 您可以创建一个 AI Platform Notebook 并且它已经使用所需的 tensorflow 版本创建并安装了 Jupyterlab。您可以通过 Jupyterlab 界面或 SSH 访问它。您还可以在此处选择处理选项。
3 - 您可以 AI Platform train do the training online for you. Here 在线培训期间参考 CPU / GPU 使用情况的文档。
常用的管道是[在 AI Notebooks 上开发 > 使用 AI Local Train 和数据子集在本地训练 > 使用 AI Platform Train 和完整数据集在线训练以部署模型]
如何在 GCP 上具有多个 CPU 和 GPU 的机器上训练具有 tensorflow 2 后端的 keras 模型？ tf 是否在后端处理进程本身？如果是这样，我该如何验证？任何简单的示例代码都值得赞赏。
您可以通过多种方式使用 GCP 来训练模型。
以下是其中一些（具有不同级别的 Google 管理）：
1 - 您可以创建一个 Compute Engine Instance（您可以选择需要的处理量和 CPU/GPU 的类型）并在那里进行训练。一切都通过 SSH 管理，没有图形界面或安装 python 依赖项。
2 - 您可以创建一个 AI Platform Notebook 并且它已经使用所需的 tensorflow 版本创建并安装了 Jupyterlab。您可以通过 Jupyterlab 界面或 SSH 访问它。您还可以在此处选择处理选项。
3 - 您可以 AI Platform train do the training online for you. Here 在线培训期间参考 CPU / GPU 使用情况的文档。
常用的管道是[在 AI Notebooks 上开发 > 使用 AI Local Train 和数据子集在本地训练 > 使用 AI Platform Train 和完整数据集在线训练以部署模型]