keras gpu的问题

1. 官方这样说道

• 如果是tensorflow、cntk作为后端，那么会自动检测
• theano可以手动设置
  

但是我这的速度，让人怀疑并没有运行在gpu上（一张图，运行时间近10秒）

2. 尝试运行时指定
   CUDA_VISIBLE_DEVICES=0 python demo.py 运行时间无变化

3. 显式设置backend
   import keras.backend.tensorflow_backend as KTFimport keras.backend.tensorflow_backend as KTF 运行时间无变化

4. tensorflow日志级别控制

impot os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"

"""
TF_CPP_MIN_LOG_LEVEL = 1 //默认设置，为显示所有信息
2 //只显示error和warining信息
3 //只显示error信息
"""

5. 设置使用GPU的百分比（未实践）

import tensorflow as tf
import keras.backend.tensorflow_backend as KTF

# 配置每个gpu可以使用的最高比例（百分比）
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3
sess = tf.Session(config=config)
KTF.set_session(sess)

需要注意的是，虽然代码或配置层面设置了对显存占用百分比阈值，但在实际运行中如果达到了这个阈值，程序有需要的话还是会突破这个阈值。换而言之如果跑在一个大数据集上还是会用到更多的显存。以上的显存限制仅仅为了在跑小数据集时避免对显存的浪费而已。

---

摘自： CSDN : _silent彦沁
6. gpu按需使用

import os
import tensorflow as tf
import keras.backend.tensorflow_backend as KTF


# 指定第一块GPU可用 
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
config = tf.ConfigProto()  
config.gpu_options.allow_growth=True
sess = tf.Session(config=config)
KTF.set_session(sess)

7. 暂时屏蔽warning：
   在linux终端中输入命令：export TF_CPP_MIN_LOG_LEVEL=2，当该终端关闭，既失效；
8. 永久屏蔽warning：
   修改/etc/profile文件，在该文件中加入export TF_CPP_MIN_LOG_LEVEL=2，但是修改后需要重启
   系统或者使用source /etc/profile命令，使修改后的profile文件生效。

---

7、8 参考自
CSDN ：抓不住的流年

参考

1. CSDN : _silent彦沁
2. CSDN ：抓不住的流年–TensorFlow中屏蔽warning的方法