搭建一个十分类的卷积神经网络模型用于数字识别,数据集使用MNIST,使用GPU
时间: 2024-03-05 19:49:22 浏览: 19
好的,如果你有GPU资源,那么使用GPU可以显著加速模型训练的速度。在TensorFlow中,可以通过设置环境变量来使用GPU。下面是一个使用GPU的代码示例:
```
import tensorflow as tf
from tensorflow.keras import layers
# 设置GPU环境
physical_devices = tf.config.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)
# 加载MNIST数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
# 定义模型
model = tf.keras.models.Sequential([
layers.Reshape(target_shape=(28, 28, 1), input_shape=(28, 28)),
layers.Conv2D(32, (3, 3), activation='relu'),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.MaxPooling2D((2, 2)),
layers.Flatten(),
layers.Dense(128, activation='relu'),
layers.Dense(10)
])
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 训练模型
with tf.device('/GPU:0'):
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))
# 评估模型
with tf.device('/GPU:0'):
model.evaluate(x_test, y_test, verbose=2)
```
这个代码示例与之前的代码示例基本相同,只是在训练模型和评估模型时,我们使用了`with tf.device('/GPU:0'):`来设置使用GPU。另外,在代码开头,我们使用了`tf.config.experimental.set_memory_growth`来设置GPU显存动态分配,以避免OOM错误。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)