配置以及监测：用GPU来跑Keras

前提条件：

• 你的系统有GPU(Nvidia.因为AMD还没有工作)
• 您已经安装了tensorflow的GPU版本
• 您已安装CUDA

并且配置好环境变量。

检测是否配置成功

第一步

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

输出

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17774500374908728487
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 3146829004
locality {
  bus_id: 1
  links {
  }
}
incarnation: 17779657347897244584
physical_device_desc: "device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1"
]

第二步

# 检查Keras是否调用GPU

from keras import backend as K

K.tensorflow_backend._get_available_gpus()

输出：

['/job:localhost/replica:0/task:0/device:GPU:0']

实际运行代码检测GPU使用率

方法一：更精确

在目录C:\Program Files\NVIDIA Corporation\NVSMI下，找到文件
nvidia-smi.exe，如图所示：

运行Keras代码，同时cmd下cd进入目录C:\Program Files\NVIDIA Corporation\NVSMI。在cmd中输入nvidia-smi，即可查看GPU的利用率，如图所示：

方法二：

利用任务管理器，查看GPU，如图所示