나는 내 워크 스테이션에 3 개의 그래픽 카드를 가지고 있는데, 그 중 하나는 Quadro K620이고 다른 두 개는 Titan X입니다. 이제는 그래픽 카드 중 하나에서 내 tensorflow 코드를 실행하여 나머지를 유휴 상태로 둘 수 있습니다 다른 일을 위해서.Tensorflow 코드에서 gpu를 지정하십시오./gpu : 0이 항상 작동합니까?
그러나 또는 tf.device('/gpu:1')
설정에 관계없이 제 1 티타늄 X 그래픽 카드가 항상 작동한다는 것을 알았습니다. 그 이유는 모르겠습니다. 라인에 관해서는
import argparse
import os
import time
import tensorflow as tf
import numpy as np
import cv2
from Dataset import Dataset
from Net import Net
FLAGS = None
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument('--foldername', type=str, default='./data-large/')
parser.add_argument('--batch_size', type=int, default=100)
parser.add_argument('--num_epoches', type=int, default=100)
parser.add_argument('--learning_rate', type=float, default=0.5)
FLAGS = parser.parse_args()
net = Net(FLAGS.batch_size, FLAGS.learning_rate)
with tf.Graph().as_default():
# Dataset is a class for encapsulate the input pipeline
dataset = Dataset(foldername=FLAGS.foldername,
batch_size=FLAGS.batch_size,
num_epoches=FLAGS.num_epoches)
images, labels = dataset.samples_train
## The following code defines the network and train
with tf.device('/gpu:0'): # <==== THIS LINE
logits = net.inference(images)
loss = net.loss(logits, labels)
train_op = net.training(loss)
init_op = tf.group(tf.initialize_all_variables(), tf.initialize_local_variables())
sess = tf.Session()
sess.run(init_op)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
start_time = time.time()
try:
step = 0
while not coord.should_stop():
_, loss_value = sess.run([train_op, loss])
step = step + 1
if step % 100 == 0:
format_str = ('step %d, loss = %.2f, time: %.2f seconds')
print(format_str % (step, loss_value, (time.time() - start_time)))
start_time = time.time()
except tf.errors.OutOfRangeError:
print('done')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
"
<=== THIS LINE
:"나는
tf.device('/gpu:0')
을 설정하면
, 모니터는 말합니다 : 1 타이탄 X 카드가 작동 보여주는
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Quadro K620 Off | 0000:03:00.0 On | N/A |
| 34% 45C P0 2W/30W | 404MiB/1993MiB | 5% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX TIT... Off | 0000:04:00.0 Off | N/A |
| 22% 39C P2 100W/250W | 11691MiB/12206MiB | 8% Default |
+-------------------------------+----------------------+----------------------+
| 2 GeForce GTX TIT... Off | 0000:81:00.0 Off | N/A |
| 22% 43C P2 71W/250W | 111MiB/12206MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
. 내가 tf.device('/gpu:1')
을 설정하면
, 모니터는 말한다 :
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Quadro K620 Off | 0000:03:00.0 On | N/A |
| 34% 45C P0 2W/30W | 411MiB/1993MiB | 3% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX TIT... Off | 0000:04:00.0 Off | N/A |
| 22% 52C P2 73W/250W | 11628MiB/12206MiB | 12% Default |
+-------------------------------+----------------------+----------------------+
| 2 GeForce GTX TIT... Off | 0000:81:00.0 Off | N/A |
| 22% 42C P2 71W/250W | 11628MiB/12206MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
두 타이탄 X 카드는 혼자가 아닌 2 타이탄 X를 작동하는지 보여주는.
그래서이 뒤에 어떤 이유로 gpu를 지정하려면 프로그램을 실행하고 싶습니까?
나는 sess.graph_def를 인쇄했으며 실제로 장치 정보가없는 노드가 있음을 발견했습니다. 이 노드는 입력에 관한 것으로'tf.device ('/ gpu : 0')와 함께 코드 앞에 만들어야합니다. 그러나, tf.device ('/ gpu : 0')'를 사용하여 두 줄의 코드를 블록에 포함시킬 수는 없습니다. 이는 CPU에서만 작동하는 FIFO 큐를 섞는 작업을 포함하기 때문입니다. 그렇다면 전체 프로그램을 지정된 gpu로 완전히 매핑하는 방법은 무엇입니까? –
가능한 옵션 중 하나는 데이터 세트 생성 코드 주위에'with tf.device ('/ gpu : 1') : 블록을 확장하고 세션을 생성 할 때 다음 옵션을 추가하는 것입니다 :'tf.Session (config = tf. ConfigProto (allow_soft_placement = True))'를 선택하십시오. 이렇게하면 TensorFlow가 CPU 전용 작업을 CPU로 옮기고 GPU 1에서는 다른 작업을 수행 할 수 있습니다. – mrry