使用keras+tensorflow训练CNN的记录(CentOS7)

本文详细介绍如何在GPU服务器上安装Python3+Anaconda+TensorFlow+Keras,并配置环境以便进行卷积神经网络(CNN)训练。文章还介绍了如何通过设置让Theano使用GPU加速计算,以及如何查看和管理GPU资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先肯定是在gpu服务器上完成python3+anaconda+tensorflow+keras的安装了,详细的请看博主的另一篇博客http://blog.youkuaiyun.com/brazy/article/details/79418772

之后就可以在你的gpu服务器上开始你的CNN训练了,可以使用 #  lspci  | grep -i vga 来查看显卡的信息(https://www.cnblogs.com/nowornever-L/p/6934611.html

使用Theano作为后端的要注意它是默认使用CPU的需要更改设置来使其使用GPU来加速计算,因为已经安装了CUDA所以可以使用命令来查看显卡的使用情况:

# nvidia-smi -l 

nvidia-smi(NVIDIA System Management Interface)可以实时监控GPU卡的使用情况,-l是其参数,用于循环显示。 

如果没有CUDA可以参照这篇博客(http://www.rthpc.com/View?id=418)进行安装配置



如果有多个GPU可以通运行时的命令行参数来决定使用哪一个GPU

可以通过指定机器中的哪个gpu可见来实现gpu的选择,如下所示:

CUDA_VISIBLE_DEVICES=1 python test.py
 
  • 1

这里指明了我们希望第2个gpu是被可见的

CUDA_VISIBLE_DEVICES=1      Only device 1 will be seen
CUDA_VISIBLE_DEVICES=0,1    Devices 0 and 1 will be visible
CUDA_VISIBLE_DEVICES=”0,1”  Same as above, quotation marks are optional
CUDA_VISIBLE_DEVICES=0,2,3  Devices 0, 2, 3 will be visible; device 1 is masked


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值