在 TensorFlow 的 MirroredStrategy 中检测活跃使用的 GPU（不可用）
Detecting actively used GPUs in TensorFlow's MirroredStrategy (not available)
在 TensorFlow 中，检测可用 GPU 的数量是一项可以解决的微不足道的任务。
但是，在 MirroredStrategy 的上下文中，除非用户提供正在使用的 GPU 数量的信息，否则据我所知不可能实际获得活动 GPU 的数量。
这会导致一些奇怪的行为，例如，当定义 custom keras metric such as F1 Score by extending the abstract class Keras Metric 时：例如使用 4 个 GPU 进行训练时，指标分数 总和 ，导致指标不再定义为从 0 到 1，而是从 0 到 4。
使用默认的 Keras Metrics 时不会发生这种情况，此时我正在调查他们的源代码，试图了解他们是如何避免这种情况的：例如，我希望他们有一种方法来获取正在使用的 GPU 数量然后简单地除以这个数字。
你有什么建议吗？
因此，虽然我还没有解决如何获得 已用 GPU 的数量，但我已经解决了如何在我的用例中完全避免对它的需求，归结为成为权重的集合。
要正确聚合权重，可以在 add_weight method one of the AggregationMethod.
中指定
在我的用例中，同样，由于我需要混淆指标的各个组成部分的总和聚合，例如真阳性等......，让 TensorFlow 处理一些更复杂的用例，我最终使用 Sum 指标 class 进行组合，特别是混淆矩阵的每个部分一个。
在 TensorFlow 中，检测可用 GPU 的数量是一项可以解决的微不足道的任务
但是，在 MirroredStrategy 的上下文中，除非用户提供正在使用的 GPU 数量的信息，否则据我所知不可能实际获得活动 GPU 的数量。
这会导致一些奇怪的行为，例如，当定义 custom keras metric such as F1 Score by extending the abstract class Keras Metric 时：例如使用 4 个 GPU 进行训练时，指标分数 总和 ，导致指标不再定义为从 0 到 1，而是从 0 到 4。
使用默认的 Keras Metrics 时不会发生这种情况，此时我正在调查他们的源代码，试图了解他们是如何避免这种情况的：例如，我希望他们有一种方法来获取正在使用的 GPU 数量然后简单地除以这个数字。
你有什么建议吗？
因此，虽然我还没有解决如何获得 已用 GPU 的数量，但我已经解决了如何在我的用例中完全避免对它的需求，归结为成为权重的集合。
要正确聚合权重，可以在 add_weight method one of the AggregationMethod.
在我的用例中，同样，由于我需要混淆指标的各个组成部分的总和聚合，例如真阳性等......，让 TensorFlow 处理一些更复杂的用例，我最终使用 Sum 指标 class 进行组合，特别是混淆矩阵的每个部分一个。