不使用 CUDA_VISIBLE_DEVICES 指定 Keras GPU
Specify Keras GPU without using CUDA_VISIBLE_DEVICES
我有一个带有两个 GPU 的系统，并且正在使用带有 Tensorflow 后端的 Keras。 Gpu:0 被分配给 PyCUDA，它正在执行一个独特的操作，该操作被前馈给 Keras，并随着每个批次的变化而变化。因此，我想 运行 gpu:1 上的 Keras 模型，同时将 gpu:0 分配给 PyCUDA。
有什么办法吗？通过查看之前的线程，我发现了几个折旧的解决方案。
所以我认为目前在 Keras 中没有有意义地实现此功能。找到了我推荐的解决方法，您只需使用 Python 的默认多处理库创建多个进程。
注意：目前对于此设置，您需要生成新进程，而不是分叉它，以避免与 PyCUDA 后端库之一发生奇怪的交互。
我有一个带有两个 GPU 的系统，并且正在使用带有 Tensorflow 后端的 Keras。 Gpu:0 被分配给 PyCUDA，它正在执行一个独特的操作，该操作被前馈给 Keras，并随着每个批次的变化而变化。因此，我想 运行 gpu:1 上的 Keras 模型，同时将 gpu:0 分配给 PyCUDA。
有什么办法吗？通过查看之前的线程，我发现了几个折旧的解决方案。
所以我认为目前在 Keras 中没有有意义地实现此功能。找到了我推荐的解决方法，您只需使用 Python 的默认多处理库创建多个进程。
注意：目前对于此设置，您需要生成新进程，而不是分叉它，以避免与 PyCUDA 后端库之一发生奇怪的交互。