paddle paddle使用GPU

安装GPU版本paddlepaddle pip install paddlepaddle-gpu 2.设置使用GPU 使用GPU需要将use_gpu参数置为true:importpaddle.v2 as paddle # Initialize PaddlePaddle.paddle.init(use_gpu=tr

qq_25284109

23090人浏览 · 2018-03-15 23:42:53

qq_25284109 · 2018-03-15 23:42:53 发布

安装GPU版本paddlepaddle

   pip install paddlepaddle-gpu

2.设置使用GPU

使用GPU需要将use_gpu参数置为true:

  import  paddle.v2 as paddle
 
  # Initialize PaddlePaddle.
 
  paddle.init(use_gpu=true, trainer_count=1)
 
  # Configure the neural network.
 
  x = paddle.layer.data(name='x', type=paddle.data_type.dense_vector(13))
 
  y_predict = paddle.layer.fc(input=x, size=1, act=paddle.activation.Linear())
 
  # Infer using provided test data.
 
  probs = paddle.infer(
 
      output_layer=y_predict,
 
      parameters=paddle.dataset.uci_housing.model(),
 
      input=[item for item in paddle.dataset.uci_housing.test()()])
 
  for  i in xrange(len(probs)):
 
      print 'Predicted price: ${:,.2f}'.format(probs[i][0] * 1000)

3.GPU和CPU的混合使用

可以设置parallel_nn来混合使用GPU和CPU计算网络层的参数。也就是说，你可以将网络配置成某些层使用GPU计算，而其他层使用CPU计算。另一种方式是将网络层划分到不同的GPU上去计算，这样可以减小GPU内存，或者采用并行计算来加速某些层的更新。如果想在网络配置中指定设备的ID号(表示为deviceId)，并且加上的命令行参数:--parallel_nn=true

  #command line:
 
  paddle train  --use_gpu=true --parallel_nn=true --trainer_count=COUNT
 
  #network:
 
  fc2=fc_layer(input=l1, layer_attr=ExtraAttr(device=0), ...)
 
  fc3=fc_layer(input=l1, layer_attr=ExtraAttr(device=1), ...)
 
  fc4=fc_layer(input=fc2, layer_attr=ExtraAttr(device=-1), ...)