به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام دوستان
من ورژن gpu تنسور فلو رو نصب کردم. الان دارم یک کدی رو تست میکنم که بدون مشکل run میشه. سوالم اینه که چه جوری مطمعن شم داره با gpu اجرا میشه؟ همین که من ورژن gpu تنسور فلو رو نصب کردم یعنی 100 درصد کد داره با gpu اجرا میشه؟ یا راه دیگه ای هم برا تست کردنش هست؟
tensorflow on ununtu 16

توسط (255 امتیاز)

2 پاسخ

+2 امتیاز
 
بهترین پاسخ

سلام
اگه قبلا مثلا با یه شبکه کار کردید روی cpu ،الان دوباره با tensorflow اجراش کنید، سرعتش کاملا به چشم میاد اما خب بازم معیاری خوبی نیست
چندتا روش هست که راحتترینش اینه که بذارید کدتون اجرا بشه، بعد مصرف و کارکرد gpu رو ببینید(دمای gpu هم شروع میکنه سریع بالا رفتن)
توی کنسول می‌تونید دستور nvidia-smi رو بزنید
حتی اگه task manager باز باشه، می تونید ببینید که مثلا nvcc (کامپایلر کدهای CUDA) شروع می‌کنه اجرا شدن و ...

یه روش اصولی‌تر اینه که از tensorboard استفاده کنید، یا اینکه log های tensorflow رو توی خوده کنسول چاپ کنید که برای این کار باید هر session رو اینطوری تنظیم کنید

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

که توی log می تونید ببینید کد شما چه جوری map شده به سخت افزارهایی که در دسترس هست

توسط (1.6k امتیاز)
انتخاب شده توسط
اون خط کد رو که گفتید کجای برنامه باید اضافه کنم؟
می تونید همون اولای برنامه قبل از کارهای دیگه بذارید
البته مطمئن بشید اگه جایی دیگه هم tf.Session تعریف میشه تداخلی پیش نیاد و یکیشون کنید
+2 امتیاز

سلام
علاوه بر نکاتی که جناب آقای نوروزی عزیز اشاره کردن
باید به کد نگاه کنید . اگر چیزی مثل

with device("/cpu:0")

که از cpu بطور خاص استفاده میکنه یا

config = tf.ConfigProto( device_count = {'GPU': 0}  ) 

که gpu رو غیرفعال میکنه(در اصل میگه gpuیی در سیستم نیست!) در کد نبود کد شما بصورت پیشفرض روی gpu اجرا میشه. مگر اینکه بطور خاص با دستوراتی که بالا مشخص شده از cpu استفاده بشه .

توسط (4.3k امتیاز)
...