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

23087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 ), ...)