tensorflow2.0_gpu测试代码
时间: 2023-09-03 13:02:59 浏览: 138
以下是一个简单的用于测试tensorflow 2.0 GPU的代码:
```python
import tensorflow as tf
# 检查是否支持GPU
print("TensorFlow 支持的 GPU 设备: ")
print(tf.config.list_physical_devices('GPU'))
# 创建和配置一个简单的神经网络模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(64, activation='relu', input_shape=(10,)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(1)
])
model.compile(optimizer='adam',
loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
metrics=['accuracy'])
# 创建一个随机输入数据集
import numpy as np
data = np.random.random((1000, 10))
labels = np.random.randint(2, size=(1000, 1))
# 将模型拟合到数据上
model.fit(data, labels, epochs=10, batch_size=32)
# 检查模型在GPU上的性能
with tf.device('/GPU:0'):
data = np.random.random((1000, 10))
labels = np.random.randint(2, size=(1000, 1))
model.evaluate(data, labels, batch_size=32)
```
在这个代码中,我们首先检查TensorFlow是否支持GPU设备,然后创建了一个简单的神经网络模型,并将其拟合到一个随机的输入数据集上。最后,我们使用`with tf.device('/GPU:0')`语句将评估过程放在GPU上进行评估,以测试GPU的性能。
要运行这个代码,你需要安装并配置好适用于你的GPU的TensorFlow版本。同时你的计算机需要有一个兼容的GPU设备。
请注意,具体的TensorFlow使用和配置可能会有所不同,你可能需要根据你所使用的TensorFlow和硬件环境进行一些适当的修改。
阅读全文