Skip to main content
 首页 » 编程设计

python之CNTK中如何设置设备进行特定操作

2025年02月15日8bonelee

我在 cntk 中有一个模型,它由一个嵌入层和一个后续的 LSTM 组成。我想将嵌入查找操作放在 CPU 上,将网络的其余部分放在 GPU 上。
在 tensorflow 中,我会做

with tf.device("/cpu:0"): 

cntk 中我可以将其包装成的等价物是什么:

C.layers.Embedding(embedding_size) 

请您参考如下方法:

在 CNTK 中,设备控制是针对特定功能/网络的前向/后向传递,而不是单个操作。如果您想在 CPU 中执行特定操作,而在 GPU 中执行其余操作,则必须执行以下操作:

features = C.input_variable(input_dim) 
labels = C.input_variable(label_dim) 
embedding_input = C.input_variable(embedding_size, needs_gradient=True) 
embedding = C.layers.Embedding(embedding_size)(features) 
loss = rest_of_your_network(embedding_input, labels) 
emb_state, embedding_value = embedding.forward({features: some_data}, keep_for_backward=set(embedding.output), device=C.cpu(), as_numpy=False) 
loss_state, loss_value = loss.forward({embedding_input: embedding_value}, keep_for_backward=set(loss.output), device=C.gpu(0), as_numpy=False) 
loss_grad_dict = loss.backward(loss_state, {loss.output: np.ones_like(loss_value)}, set(loss.parameters + [embedding_input])) 
emb_grad_dict = embedding.backward(emb_state, {embedding.output: loss_grad_dict[embedding_input]}, set(embedding.parameters)) 
# use these dictionaries to update the parameters with a learner