tensorflow gpu 사용 예제

  • 0

tensorflow gpu 사용 예제

당신은 아나콘다를 사용하지 않는 경우, 당신은 핍을 통해 텐서 플로우를 설치할 수 있습니다 : $ 수입 텐서 플로우 로 tf $ 안녕하세요 = tf.constant (`안녕하세요, 텐서 플로우!`) $ sess = TF. 세션() $ 인쇄 (sess.run (안녕하세요)) TF v2에 대한 자습서 인덱스는 여기에서 사용할 수 있습니다 : TensorFlow 2.0 예제. classify_image.py 프로그램을 처음 실행할 때 tensorflow.org 에서 훈련된 Inception-v3 모델을 다운로드합니다. 하드 디스크에서 사용 가능한 여유 공간이 약 200M 필요합니다. 위의 명령은 팬더 곰의 제공 된 이미지를 분류합니다 (/tmp /imagenet/cropped_panda.jpg에 있음) 모델의 성공적인 실행은 다음과 같은 결과를 반환합니다 : $ 파이썬 텐서 플로우 / 예제 / image_retraining /retrain.py –image_dir ~ / / / / / / flower_photos 다음, 구글의 Inception v3를 다시 방문 하 고 더 깊은 사용 사례에 참여 하자. Inception v3는 이미지 분류를 위해 설계된 최첨단 컨볼루션 네트워크입니다. 이 모델을 처음부터 교육하는 것은 매우 집중적이며 며칠에서 최대 몇 주까지의 교육 시간이 걸릴 수 있습니다. 다른 방법은 미리 학습된 모델을 다운로드하고 다른 데이터 집합에서 다시 학습하는 것입니다. 꽃 데이터 집합을 사용하여 이 작업을 수행하는 방법을 연습합니다. 그렇다면 기계 학습 작업에 GPU를 사용하는 방법은 어떻게 될까요? 이 게시물에서는 GPU 지원 AWS 인스턴스의 설정을 살펴보고 TensorFlow에서 신경망을 학습합니다. 교육을 마친 후 cifar10_eval.py 스크립트를 사용하여 학습된 모델이 얼마나 잘 수행되는지 평가할 수 있습니다.

상단 예측이 이미지의 실제 레이블과 일치하는 빈도 :1에서 정밀도를 계산합니다. $ 바젤 빌드 텐서 플로우 / 예 / 이미지 _retraining : label_image & 바젤 – 빈 / 텐서 플로우 / 예 / 이미지 _retraining / 라벨 _그래프 _pb –라벨 =/tmp/output_labels.txt –출력_레이어=최종_이미지=$HOME=$HOME flower_photos/daisy/21652746_cc379eeea_m.jpg aymericdamien/TensorFlow-examples에서 새로운 릴리스에 대한 알림을 원하십니까? per_process_gpu_memory_fraction, 두 번째 선택이며 사용 중각 GPU에 대해 총 메모리 세그먼트를 할당해야 한다고 결정합니다. 아래는 텐서 플로우에게 메모리의 40 %를 할당하는 예입니다 : TensorBoard : TensorFlow 시각화 도구를 살펴보십시오. 이것은 훈련 의 속도를 높이기위한 시도와 내 코드입니다 : 나는 또한 GPU를 사용할 때 장치 배치를 기록하는 것이 좋습니다,이에서 당신은 쉽게 다른 장치 사용과 관련된 문제를 디버깅 할 수 있습니다. 이렇게 하면 장치의 사용량이 로그에 인쇄되므로 장치가 변경되는 시기와 그래프에 미치는 영향을 확인할 수 있습니다. 이전 TensorFlow 버전 (0.11 이하)을 사용하는 경우 여기에서 살펴보십시오. 태그: 텐서플로수입 텐서플로우 GPU 수동 장치 배치최적화 메모리텐서플로우가 gputensorflow 를 찾을 수 없습니다 gputensorflow GPU를 사용하지 않도록 GPU텐서 플로우 GPUtensorflow GPU 설치텐서플로우 gpu 윈도우텐서플로흐 여러 gpu exampleTensorFlow gpu를 사용 하지 않는 여러 GPU를 사용 하 여 당신은 또한 를 사용 하 여 다른 JPEG 이미지를 테스트할 수 있습니다는 –image_file 파일 인수: 우리는 우분투 서버를 사용 하 여 16.04 LTS (HVM) OS로, 하지만 프로세스는 모든 64 비트 리눅스 배포판에 유사 해야.