无论是用caffe还是tensorflow来训练模型，只要是用GPU来训练，loss都不会下降，但同样情况下，用CPU来训练却没问题是什么原因呢？
2条回答 默认 最新
二十一的诗 2021-08-10 10:28关注请问你解决了吗，我也是用gpu不收敛，cpu正常，但是使用keras.layes.Dense正常，使用keras.layes.Conv2D就不正常，很奇怪
评论 打赏解决 1无用举报
分享
- 2021-07-22 09:48回答 4 已采纳 我的猜测，你可能有一块集成显卡，但没有禁用
- 2021-02-18 11:11回答 2 已采纳 没错，本质是learning rate，且每个batch其实后面都要求平均梯度再反向传播， 多gpu时每个batch的data多了，这时， 每个batch的learning rate不变则每个da
- 2021-08-09 15:02回答 2 已采纳 看你的运行结果是你的cuda版本过于低，gpu的性能没有完全利用，观察你的loss几乎没有变化，loss要下降趋势才是正常运行结果，调整一下超参数试试
- 2023-11-02 09:19张小殊.的博客 深度神经网络模型和硬件加速器，如GPU、TPU等的关系可谓是“不分彼此”，随着模型参数的增加，硬件加速器成为了训练、推理深度神经网络不可或缺的一个工具，而近年来硬件加速器的发展也得益于加速人工智能模型的训练...
- 2023-04-08 12:36回答 1 已采纳 mnist数据集太小了，所以gpu用不满，这是很正常的
- 2021-05-13 18:05回答 3 已采纳 你要安装cuda和cudnn，参考一下https://zhuanlan.zhihu.com/p/106133822
- 2021-07-24 21:59回答 1 已采纳 鄙人接触过AI换脸 有两个版本 一个是英伟达用CUDA技术 还有个就是AMD和intel 两者不能混用 据我的知识库了解 深度学习是吃显存的
- 2022-10-05 12:44小明技术分享的博客 人工神经网络是生物神经网络在某种简化意义下的技术复现，作为一门学科，它的主要任务是根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型，设计相应的学习算法，模拟人脑的某种智能活动，然后在...
- 2022-03-02 23:40回答 1 已采纳 有个简单的办法，提前打开任务管理器翻到GPU那一栏，在训练或者预测数据的时候观察各项指标特别是复制有没有起伏
- 2021-05-11 10:28回答 1 已采纳 parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') defau
- 2023-01-28 21:40回答 2 已采纳 跑的时候看下开下任务管理器，这里切换成cuda，然后运行看下这里的cuda和下面的现存有无上升，有上升说明有调用显卡。另外，你的模型有无预热？一般来说，显卡推理的前一两张速度会很慢，后面速度就飞起了。
- 2022-09-09 16:29「已注销」的博客 人工神经网络是生物神经网络在某种简化意义下的技术复现，作为一门学科，它的主要任务是根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型，设计相应的学习算法，模拟人脑的某种智能活动，然后在...
- 2020-04-28 10:03回答 1 已采纳 笔记本的显示卡散热不行，显存也小，所以不稳定。建议你找桌面GTX1060/1660以上的卡来测试。
- 2022-08-27 16:20「已注销」的博客 即S1，…2006年，hinton提出了在非监督数据上建立多层神经网络的一个有效方法，简单的说，分为两步，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。...
- 2022-08-28 09:51「已注销」的博客 人工智能（ArtificialIntelligence）——为机器赋予人的智能向左转|向右转早在1956年夏天那次会议，人工智能的先驱们就梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。不过，还是有...
- 没有解决我的问题, 去提问
