2
我已經編寫了一些基本的Deep Learning
代碼,其中有2個LSTM
層。我使用Keras
和Theano
作爲我的後端。我的機器上的這段代碼在AWS
上比在AWS
上的另一臺機器上花費的時間太長。在運行速度更快的機器上,每個紀元需要640秒,而在運行速度較慢的機器上,每個紀元需要超過10,000秒。確保Python代碼是否在GPU或CPU上運行
我開始認爲較慢機器上的代碼沒有在GPU上運行。兩臺機器上運行的代碼完全相同。機器配置也是一樣的。
看起來像是Theano
安裝在較慢的機器上。我跑了下面的代碼,並得到了結果:
有沒有一種方法來檢查,如果我的代碼是在GPU或CPU上運行?
在這方面的任何幫助將不勝感激。
TIA。
編輯
按照從@Marcin提醒,我添加以下代碼:
但是當我運行下面的代碼,我仍然得到Used the cpu
結果:
非常感謝回覆。我運行了你的一段代碼,並且確實得到了'使用cpu'。你會碰巧知道如何改變它以使用'GPU'? – Patthebug
你能打印出'theano'標誌的結果嗎? –
哦,上帝 - 看來你還沒有安裝'Theano'。這也可以解釋巨大的訓練時間。 –