Keras与TensorFlow后端不使用GPUKeras与TensorFlow后端不使用GPU(K

我内置泊坞窗图像的GPU版本https://github.com/floydhub/dl-docker与keras版本2.0.0和tensorflow版本0.12.1。然后我跑了MNIST教程https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py但意识到keras没有使用GPU。下面是我的输出

root@b79b8a57fb1f:~/sharedfolder# python test.py
Using TensorFlow backend.
Downloading data from https://s3.amazonaws.com/img-datasets/mnist.npz
x_train shape: (60000, 28, 28, 1)
60000 train samples
10000 test samples
Train on 60000 samples, validate on 10000 samples
Epoch 1/12
2017-09-06 16:26:54.866833: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2017-09-06 16:26:54.866855: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2017-09-06 16:26:54.866863: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2017-09-06 16:26:54.866870: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
2017-09-06 16:26:54.866876: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.

任何人都可以让我知道，如果有一些需要keras使用GPU之前要进行的设置？我是很新的这一切所以不要让我知道如果我需要提供更多的信息。

我已经安装了先决条件上提到页

下面的安装指南平台安装泊坞窗： https://docs.docker.com/engine/installation/

我能够启动泊坞窗图像

docker run -it -p 8888:8888 -p 6006:6006 -v /sharedfolder:/root/sharedfolder floydhub/dl-docker:cpu bash

GPU版：无论是来自Nvidia直接安装在机器上的Nvidia驱动程序或者按照指示在这里。请注意，您不必安装CUDA或cuDNN。这些都包含在泊坞窗容器。

我能够运行的最后一步

cv@cv-P15SM:~$ cat /proc/driver/nvidia/version
NVRM version: NVIDIA UNIX x86_64 Kernel Module  375.66  Mon May  1 15:29:16 PDT 2017
GCC version:  gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.4)

GPU版：安装NVIDIA-泊坞窗： https://github.com/NVIDIA/nvidia-docker ，这里的操作说明。这将安装在泊坞窗CLI的替代品。这需要建立Docker容器和其他一些东西里面Nvidia的主机驱动程序环境的关怀。

我能够运行步骤在这里

# Test nvidia-smi
cv@cv-P15SM:~$ nvidia-docker run --rm nvidia/cuda nvidia-smi

Thu Sep  7 00:33:06 2017       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.66                 Driver Version: 375.66                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 780M    Off  | 0000:01:00.0     N/A |                  N/A |
| N/A   55C    P0    N/A /  N/A |    310MiB /  4036MiB |     N/A      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0                  Not Supported                                         |
+-----------------------------------------------------------------------------+

我也可以运行NVIDIA-泊坞窗命令来启动一个GPU支持的图像。

我曾尝试

我曾尝试下面的建议如下

请检查您是否已经完成了本教程（的第9步https://github.com/ignaciorlando/skinner/wiki/Keras-and-TensorFlow-installation ）。注意：您的文件路径可能是搬运工图像内完全不同的，你必须以某种方式找到他们。

我建议行追加到我的.bashrc和已验证的.bashrc文件被更新。

echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64' >> ~/.bashrc
echo 'export CUDA_HOME=/usr/local/cuda-8.0' >> ~/.bashrc

要导入在我的Python文件中的以下命令
import os os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152 os.environ["CUDA_VISIBLE_DEVICES"]="0"

这两个步骤，单独或共同完成遗憾的是没有解决的问题。 Keras仍与tensorflow的CPU版本作为其后端运行。不过，我可能已经找到了可能的问题。我通过以下命令检查我tensorflow的版本，发现两个人。

这是CPU版本

root@08b5fff06800:~# pip show tensorflow
Name: tensorflow
Version: 1.3.0
Summary: TensorFlow helps the tensors flow
Home-page: http://tensorflow.org/
Author: Google Inc.
Author-email: opensource@google.com
License: Apache 2.0
Location: /usr/local/lib/python2.7/dist-packages
Requires: tensorflow-tensorboard, six, protobuf, mock, numpy, backports.weakref, wheel

这是GPU版本

root@08b5fff06800:~# pip show tensorflow-gpu
Name: tensorflow-gpu
Version: 0.12.1
Summary: TensorFlow helps the tensors flow
Home-page: http://tensorflow.org/
Author: Google Inc.
Author-email: opensource@google.com
License: Apache 2.0
Location: /usr/local/lib/python2.7/dist-packages
Requires: mock, numpy, protobuf, wheel, six

有趣的是，输出显示keras使用tensorflow版本1.3.0这是CPU版本，而不是0.12.1中，GPU版本

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

import tensorflow as tf
print('Tensorflow: ', tf.__version__)

产量

root@08b5fff06800:~/sharedfolder# python test.py
Using TensorFlow backend.
Tensorflow:  1.3.0

我现在想我需要弄清楚如何有keras使用tensorflow的GPU版本。

Answer 1:

这是从来没有同时拥有一个好主意tensorflow和tensorflow-gpu封装并排安装（在一个单独的一次发生在我身上不小心，Keras使用的CPU版本）。

我现在想我需要弄清楚如何有keras使用tensorflow的GPU版本。

您应该简单地从系统中删除这些软件包，然后重新安装tensorflow-gpu [评论之后更新]：

pip uninstall tensorflow tensorflow-gpu
pip install tensorflow-gpu

此外，令人费解，为什么你似乎使用floydhub/dl-docker:cpu容器，而根据指令你应该使用floydhub/dl-docker:gpu一个...

Answer 2:

在未来，你可以尝试使用虚拟环境tensorflow CPU和GPU，独立的，例如：

conda create --name tensorflow python=3.5
activate tensorflow
pip install tensorflow

和

conda create --name tensorflow-gpu python=3.5
activate tensorflow-gpu
pip install tensorflow-gpu

Answer 3:

我有类似的问题的种类 - keras没有用我的GPU。我有tensorflow-GPU根据指令进入畅达安装，但安装keras后，它根本就没有上市的GPU为可用的设备。我已经意识到keras的是安装添加tensorflow包！所以，我有两个tensorflow和tensorflow-GPU封装。我发现有可用keras-GPU封装。 keras，tensorflow，tensorflow-GPU和安装tensorflow-GPU，keras-GPU的完全卸载后，问题得到解决。