Можно ли заставить Keras с бэкэндом Tensorflow по желанию использовать CPU или GPU?

У меня установлен Keras с серверной частью Tensorflow и CUDA. Я бы хотел, чтобы иногда по требованию Keras использовал CPU. Можно ли это сделать без установки отдельного Tensorflow только для ЦП в виртуальной среде? Если да, то как? Если бы бэкэнд был Theano, флаги можно было бы установить, но я не слышал о флагах Tensorflow, доступных через Keras.

Если вы хотите заставить Keras использовать CPU

Способ 1

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""

перед импортом Keras / Tensorflow.

Способ 2

Запустите свой скрипт как

$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py

Смотрите также

1. https://github.com/keras-team/keras/issues/152
2. https://github.com/fchollet/keras/issues/4613

Достаточно отдельный способ сделать это - использовать

import tensorflow as tf
from keras import backend as K

num_cores = 4

if GPU:
    num_GPU = 1
    num_CPU = 1
if CPU:
    num_CPU = 1
    num_GPU = 0

config = tf.ConfigProto(intra_op_parallelism_threads=num_cores,
                        inter_op_parallelism_threads=num_cores, 
                        allow_soft_placement=True,
                        device_count = {'CPU' : num_CPU,
                                        'GPU' : num_GPU}
                       )

session = tf.Session(config=config)
K.set_session(session)

Здесь с помощью booleans GPUи CPUмы указываем, хотим ли мы запускать наш код с помощью графического процессора или процессора, жестко определяя количество графических процессоров и процессоров, к которым разрешен доступ сеансу Tensorflow. Переменные num_GPUи num_CPUопределяют это значение. num_coresзатем устанавливает количество ядер ЦП, доступных для использования с помощью intra_op_parallelism_threadsи inter_op_parallelism_threads.

В intra_op_parallelism_threadsдиктует переменное число потоков параллельной работы в одном узле в графе вычисления допускается использование (внутри). В то время как inter_ops_parallelism_threadsпеременная определяет количество потоков, доступных для параллельных операций через узлы графа вычислений (inter).

allow_soft_placement позволяет запускать операции на ЦП, если выполняется любой из следующих критериев:

1. нет реализации на GPU для операции

2. нет известных или зарегистрированных устройств GPU

3. необходимо совмещать с другими входами ЦП

Все это выполняется в конструкторе моего класса перед любыми другими операциями и полностью отделимо от любой модели или другого кода, который я использую.

Примечание. Для этого требуется установка tensorflow-gpuи cuda/ cudnn, поскольку предоставляется возможность использовать графический процессор.

Ссылки:

• Что означают такие параметры в ConfigProto, как allow_soft_placement и log_device_placement?

• Значение inter_op_parallelism_threads и intra_op_parallelism_threads

Это сработало для меня (win10), поместите перед импортом keras:

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Просто импортируйте tensortflow и используйте keras, это так просто.

import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
    model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)

В соответствии с руководством по keras вы можете просто использовать ту же tf.deviceобласть видимости, что и в обычном тензорном потоке:

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

Я просто потратил некоторое время на то, чтобы понять это. Ответ Тома неполный. Допустим, ваша программа test.pyхочет использовать gpu0 для запуска этой программы и оставить другие графические процессоры бесплатными.

Ты должен написать CUDA_VISIBLE_DEVICES=0 python test.py

Обратите внимание, это DEVICESнеDEVICE

Для людей, работающих с PyCharm, и для форсирования ЦП вы можете добавить следующую строку в конфигурацию Run / Debug в разделе Environment variables:

<OTHER_ENVIRONMENT_VARIABLES>;CUDA_VISIBLE_DEVICES=-1