Skip to main content
 首页 » 编程设计

python之使用和不使用 GPU 编程的语法差异

2024年11月24日15zhoujg

我是深度学习的新手。我试图在 CPU 上运行 python 的深度学习代码,它工作正常,但相同的代码在带有 gpu 的 tensorflow 上不起作用。使用 GPU 的深度学习有语法差异吗?如果它的语法不同,那么任何入门 Material 都会有所帮助,谢谢。下面是在 CPU 上运行的二进制分类的简单代码,如果我想在 GPU 上运行它,我应该做哪些必要的更改?

# Importing the Keras libraries and packages 
from keras.models import Sequential 
from keras.layers import Convolution2D 
from keras.layers import MaxPooling2D 
from keras.layers import Flatten 
from keras.layers import Dense 
 
# Initialising the CNN 
classifier = Sequential() 
 
# Step 1 - Convolution 
classifier.add(Convolution2D(32, (3, 3), input_shape = (64, 64, 3),dilation_rate=(1,1), activation = 'relu', )) 
classifier.add(Convolution2D(32, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
classifier.add(Convolution2D(32, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
#classifier.add(MaxPooling2D(pool_size = (2, 2))) 
 
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(1,1), activation = 'relu', )) 
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
classifier.add(Convolution2D(64, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
 
 
 
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(1,1), activation = 'relu', )) 
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
classifier.add(Convolution2D(128, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
 
 
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(1,1), activation = 'relu', )) 
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
 
''' 
classifier.add(Convolution2D(256, (3, 3),dilation_rate=(1,1), activation = 'relu', )) 
 
#classifier.add(Convolution2D(512, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
#classifier.add(Convolution2D(512, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
 
classifier.add(Convolution2D(512, (3, 3),dilation_rate=(1,1), activation = 'relu', )) 
#classifier.add(Convolution2D(1024, (3, 3),dilation_rate=(2,2), activation = 'relu', )) 
#classifier.add(Convolution2D(1024, (3, 3),dilation_rate=(4,4), activation = 'relu', )) 
''' 
 
# Step 3 - Flattening 
classifier.add(Flatten()) 
 
# Step 4 - Full connection 
classifier.add(Dense(units = 256, activation = 'relu')) 
classifier.add(Dense(units = 1, activation = 'sigmoid')) 
 
# Compiling the CNN 
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy']) 
 
# Part 2 - Fitting the CNN to the images 
 
from keras.preprocessing.image import ImageDataGenerator 
 
train_datagen = ImageDataGenerator(rescale = 1./255, 
                                    featurewise_center=True, 
                                    featurewise_std_normalization=True, 
                                    rotation_range=20, 
                                    width_shift_range=0.05, 
                                    height_shift_range=0.05, 
                                    shear_range = 0.05, 
                                    zoom_range = 0.05, 
                                    horizontal_flip = True) 
 
test_datagen = ImageDataGenerator(rescale = 1./255) 
 
training_set = train_datagen.flow_from_directory('Data_base/Processing_Data/Training', 
                                                 target_size = (64, 64), 
                                                 batch_size = 20, 
                                                 class_mode = 'binary') 
 
test_set = test_datagen.flow_from_directory('Data_base/Processing_Data/Test', 
                                            target_size = (64, 64), 
                                            batch_size = 6, 
                                            class_mode = 'binary') 
 
classifier.fit_generator(training_set, 
                         samples_per_epoch =44 , 
                         nb_epoch = 20, 
                         validation_data = test_set, 
                         nb_val_samples =6 ) 
classifier.save_weights('first_try.h5') 

请您参考如下方法:

您根本不需要对代码进行任何更改。

首先,如果您想使用 GPU,请确保您安装了 CUDA 和 cuDNN。您需要的版本取决于您的 GPU 和 TensorFlow 版本。有几个教程。

其次,不要在同一个环境中安装 tensorflow 和 tensorflow-gpu。至少对我来说这导致了一些奇怪的错误。(我不知道这是否已经修复。)