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

22832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 
  ), ...) 
 