關于Theano和Tensorflow多GPU使用問題

更新時間：2020年06月19日 14:41:00 作者：Gamma Gao

這篇文章主要介紹了關于Theano和Tensorflow多GPU使用問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

我使用的是tensorflow-gpu (1.2.1)和Theano (0.9.0)，2個4G顯存Nvidia Quadro M2000 GPU。

1. theano: ValueError: Could not infer context from inputs

THEANO_FLAGS="contexts=dev0->cuda0;dev1->cuda1,gpuarray.preallocate=0.95,mode=FAST_RUN,floatX=float32,on_unused_input=warn" python config.py

ERROR (theano.gof.opt): SeqOptimizer apply <theano.gpuarray.opt.GraphToGPU object at 0xdfe69210>
ERROR: SeqOptimizer apply <theano.gpuarray.opt.GraphToGPU object at 0xdfe69210>
ERROR (theano.gof.opt): Traceback:
ERROR: Traceback:
ERROR (theano.gof.opt): Traceback (most recent call last):
 File "/usr/lib/python2.7/site-packages/theano/gof/opt.py", line 235, in apply
  sub_prof = optimizer.optimize(fgraph)
 File "/usr/lib/python2.7/site-packages/theano/gof/opt.py", line 87, in optimize
  ret = self.apply(fgraph, *args, **kwargs)
 File "/usr/lib/python2.7/site-packages/theano/gpuarray/opt.py", line 322, in apply
  target = infer_context_name(*fgraph.inputs)
 File "/usr/lib/python2.7/site-packages/theano/gpuarray/basic_ops.py", line 122, in infer_context_name
  raise ValueError("Could not infer context from inputs")
ValueError: Could not infer context from inputs

theano不能自動支持多GPU，需要自己指定一個，只能在一個上面跑, 需要指定一個設備device=cuda0。

支持多GPU, 需要自己編程，參考http://deeplearning.net/software/theano/tutorial/using_multi_gpu.html#

2. tensorflow: ResourceExhaustedError: OOM when allocating tensor with

theano: MemoryError: Error allocating 1440000000 bytes of device memory (out of memory).

說明GPU內存不夠，要調小輸入或網絡單元。

3. theano切換成新的GPU backend

WARNING (theano.sandbox.cuda): The cuda backend is deprecated and will be removed in the next release (v0.10)

theano 0.9.0從cuda backend切換gpuarray backend，需要安裝python2-Cython-0.25+和libgpuarray-0.6.3+, 然后通過gpuarray.preallocate來指定。

補充知識：pytorch網絡輸入圖片通道在前在后（channel_first和channel_last）的問題

剛開始學習pytorch卷積神經網絡的時候，網絡輸入要求是(batch,3,32,32),我們如果想要測試自己電腦上的圖片格式為(32,32,3)。即網絡要求channel_first,本地圖片是channel_last,此時我們只需要使用numpy中的np.transpose()函數(shù)調整下通道的順序即可。

代碼如下：

import numpy as np
import cv2
path = r"C:\Users\X_man\Desktop\image\cat.jpg"
image = cv2.imread(path,0)
image = cv2.resize(image,(32,32))
image = cv2.cvtColor(image,cv2.COLOR_GRAY2BGR)
print(image.shape)

（32，32，3）