分类：gpu

2021
07-31

pytorch 运行一段时间后出现GPU OOM的问题

pytorch的dataloader会将数据传到GPU上，这个过程GPU的mem占用会逐渐增加，为了避免GPUmen被无用的数据占用，可以在每个step后用del删除一些变量，也可以使用torch.cuda.empty_cache()释放显存：deltargets,input_k,input_masktorch.cuda.empty_cache()这时能观察到GPU的显存一直在动态变化。但是上述方式不是一个根本的解决方案，因为他受到峰值的影响很大。比如某个batch的数据量明显大于其他batch，可能模型处理该batch时显... 继续阅读 >

2021
07-02

Linux环境下GPU版本的pytorch安装

服务器环境：Ubuntu16.04.7显卡：2080cuda:10.1注：若服务器有管理员账户和个人账户，最好在个人账户下重新安装anaconda，否则安装pytorch过程中可能有些库安装失败，由于权限问题，不能删除这些失败的库重新安装。在个人账户下就不存在权限问题。一添加镜像源目的：使用默认的源地址下载速度很慢，会出现超时，导致某些第三方库只下载了部分，不完整，最终失败。首先查看当前镜像源cat~/.condarc或者condaconfig--showchann... 继续阅读 >

2021
06-04

yolov5 win10 CPU与GPU环境搭建过程

前言最近实习任务为黑烟检测，想起了可以尝试用yolov5来跑下，之前一直都是用的RCNN系列，这次就试试yolo系列。一、安装pytorch1.创建新的环境打开AnacondaPrompt命令行输入创建一个新环境，并激活进入环境。#创建了名叫yolov5的，python版本为3.8的新环境condacreate-nyolov5python=3.8#激活名叫yolov5的环境condaactivateyolov52.下载YOLOv5github项目下载地址为：https://github.com/ultralytics/yolov5如果安装了gi... 继续阅读 >

2021
03-29

Linux安装Pytorch1.8GPU(CUDA11.1)的实现

先说下自己之前的环境（都是Linux系统，差别不大）：Centos7.6NVIDIADriverVersion440.33.01（等会需要更新驱动）CUDA10.1Pytorch1.6/1.7提示，如果想要保留之前的PyTorch1.6或1.7的环境，请不要卸载CUDA环境，可以通过Anaconda管理不同的环境，互不影响。但是需要注意你的NVIDIA驱动版本是否匹配。在这里能够看到官方给的对应CUDA版本所需使用驱动版本。通过上表可以发现，如果要使用CUDA11.1，那么需要将显卡的驱动更... 继续阅读 >

2021
03-05

用gpu训练好的神经网络,用tensorflow-cpu跑出错的原因及解决方案

训练的时候当然用gpu，速度快呀。我想用cpu版的tensorflow跑一下，结果报错，这个错误不太容易看懂。大概意思是没找到一些节点。后来发现原因，用gpu和cpu保存的pb模型不太一样，但是checkpoints文件是通用的。使用tensorflow-cpu再把checkpoints文件重新转换一下pb文件就可以了。完美解决！补充：tensflow-gpu版的无数坑坑坑！（tf坑大总结）自己的小本本，之前预装有的pycharm+win10+anaconda3+python3的环境2019/3/24重新安装发... 继续阅读 >

2021
03-02

Pytorch如何切换 cpu和gpu的使用详解

前言，在pytorch中，当服务器上的gpu被占用时，很多时候我们想先用cpu调试下代码，那么就需要进行gpu和cpu的切换。方法1：x.to(device)把device作为一个可变参数，推荐使用argparse进行加载：使用gpu时：device='cuda'x.to(device)#x是一个tensor，传到cuda上去使用cpu时：device='cpu'x.to(device)方法2：使用x.cuda()+CUDA_VISIBLE_DEVICES很多贴子中说，使用x.cuda()和x.to('cuda')虽然是等效的，但是x.cuda()的缺点是... 继续阅读 >

2020
12-16

Window10上Tensorflow的安装(CPU和GPU版本)

之前摸索tensorflow的时候安装踩坑的时间非常久，主要是没搞懂几个东西的关系，就在瞎调试，以及当时很多东西不懂，很多报错也一知半解的。这次重装系统后正好需要再配置一次，把再一次的经历记录一下。我的电脑是华为的matebook13，inteli5-8625U，MX250显卡，win10系统。（不得不吐槽很垃圾，只能满足测试测试调调代码的需求）深度学习利用Tensorflow平台，其中的KerasSequentialAPI对新用户非常的友好，可以将各基础组件组合... 继续阅读 >

2020
10-10

pytorch使用horovod多gpu训练的实现

pytorch在Horovod上训练步骤分为以下几步：importtorchimporthorovod.torchashvd#InitializeHorovod初始化horovodhvd.init()#PinGPUtobeusedtoprocesslocalrank(oneGPUperprocess)分配到每个gpu上torch.cuda.set_device(hvd.local_rank())#Definedataset...定义datasettrain_dataset=...#PartitiondatasetamongworkersusingDistributedSampler对dataset的采样器进行调整，使用torch.utils.data.d... 继续阅读 >

2020
10-08

详解python中GPU版本的opencv常用方法介绍

引言本篇是以python的视角介绍相关的函数还有自我使用中的一些问题，本想在这篇之前总结一下opencv编译的全过程，但遇到了太多坑，暂时不太想回看做过的笔记，所以这里主要总结python下GPU版本的opencv。主要函数说明threshold()：二值化，但要指定设定阈值blendLinear()：两幅图片的线形混合calcHist()createBoxFilter()：创建一个规范化的2D框过滤器canny边缘检测createGaussianFilter()：创建一个Gaussian过滤器createLaplacia... 继续阅读 >

2020
10-08

浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置

服务器有多张显卡，一般是组里共用，分配好显卡和任务就体现公德了。除了在代码中指定使用的GPU编号，还可以直接设置可见GPU编号，使程序/用户只对部分GPU可见。操作很简单，使用环境变量CUDA_VISIBLE_DEVICES即可。具体来说，如果使用单卡运行Python脚本，则可输入CUDA_VISIBLE_DEVICES=1pythonmy_script.py脚本将只使用GPU1。在.py脚本和Notebook中设置，则importosos.environ["CUDA_VISIBLE_DEVICES"]="2"... 继续阅读 >

2020
10-08

Pytorch 高效使用GPU的操作

前言深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP，Auto-Encoder，CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（GraphicProcessUnits，图形处理器）的众核体系结构包含几千个流处理器，可将矩阵运算并行化执行，大幅缩短计算时间。随着NVIDIA、AMD等公司不断推进其GPU的大规模并... 继续阅读 >

2020
10-08

解决Keras使用GPU资源耗尽的问题

我们在使用GPU资源进行训练的时候，可能会发生资源耗尽的情况，那么在在这种情况，我们需要对GPU的资源进行合理的安排，具体使用办法如下：框架：Tensorflow和Keras方法importtensorflowastfimportkeras.backend.tensorflow_backendasKTFconfig=tf.ConfigProto()config.gpu_options.allow_growth=True#不全部占满显存,按需分配sess=tf.Session(config=config)KTF.set_session(sess)#设置session通过这种方法，就能合... 继续阅读 >

2020
10-08

Keras - GPU ID 和显存占用设定步骤

初步尝试Keras(基于Tensorflow后端)深度框架时,发现其对于GPU的使用比较神奇,默认竟然是全部占满显存,1080Ti跑个小分类问题,就一下子满了.而且是服务器上的两张1080Ti.服务器上的多张GPU都占满,有点浪费性能.因此,需要类似于Caffe等框架的可以设定GPUID和显存自动按需分配.实际中发现,Keras还可以限制GPU显存占用量.这里涉及到的内容有：GPUID设定GPU显存占用按需分配GPU显存占用限制GPU显存优化1.... 继续阅读 >

2020
09-29

pytorch中 gpu与gpu、gpu与cpu 在load时相互转化操作

问题描述有时在加载已训练好的模型时，会出现outofmemory的错误提示，但仔细检测使用的GPU卡并没有再用且内存也没有超出。经查阅发现原来是训练模型时使用的GPU卡和加载时使用的GPU卡不一样导致的。个人感觉，因为pytorch的模型中是会记录有GPU信息的，所以有时使用不同的GPU加载时会报错。解决方法gpu之间的相互转换。即，将训练时的gpu卡转换为加载时的gpu卡。torch.load('modelparameters.pth',map_location={'cuda:1':'cu... 继续阅读 >

2020
09-29

Keras设定GPU使用内存大小方式(Tensorflow backend)

通过设置Keras的Tensorflow后端的全局变量达到。importosimporttensorflowastfimportkeras.backend.tensorflow_backendasKTFdefget_session(gpu_fraction=0.3):'''Assumethatyouhave6GBofGPUmemoryandwanttoallocate~2GB'''num_threads=os.environ.get('OMP_NUM_THREADS')gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=gpu_fraction)ifnum_threads:returntf.Session(config=tf.C... 继续阅读 >

2020
09-24

Windows10+anacond+GPU+pytorch安装详细过程

1、查看自己电脑是否匹配GPU版本。设备管理器查看。查看官网是否匹配。地址：https://developer.nvidia.com/cuda-gpus **2、进入NVIDIA对电脑版本进行查**看。如果可以的的话可以自己卸载原来版本，后安装新版本。安装地址https://developer.nvidia.com/cuda-toolkit-archive接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并... 继续阅读 >