14

我有一台配备 AMD 处理器的 MacBook Pro，我想在这个 GPU 中运行 Keras（Tensorflow 后端）。我开始知道 Keras 仅适用于 NVIDIA GPU。解决方法是什么（如果可能）？

4

2 回答 2

23

您可以使用OpenCL库来克服这个问题。我已经对其进行了测试，并且对我来说效果很好。

注意：我有 python 版本 3.7，我将使用 pip3 进行包安装。

脚步：

  1. 使用以下命令安装 OpenCL 包

    pip3 install pyopencl

  2. 使用以下命令安装PlaidML库

    pip3 install pip install plaidml-keras

  3. 为PlaidML运行设置。设置时，您可能会收到选择 GPU 的提示。如果设置正确，您将在最后收到一条成功消息。

    plaidml-setup

  4. 安装plaidbench以在您的 GPU 上测试 plaidml。

    pip3 install plaidbench

  5. 测试一下。如果到目前为止一切顺利，您将获得基准分数。

    plaidbench keras mobilenet

  6. 现在我们必须设置一个环境路径。把它放在代码的顶部。

import os
os.environ["KERAS_BACKEND"] = "plaidml.keras.backend"

os.environ["RUNFILES_DIR"] = "/Library/Frameworks/Python.framework/Versions/3.7/share/plaidml"
# plaidml might exist in different location. Look for "/usr/local/share/plaidml" and replace in above path

os.environ["PLAIDML_NATIVE_PATH"] = "/Library/Frameworks/Python.framework/Versions/3.7/lib/libplaidml.dylib"
# libplaidml.dylib might exist in different location. Look for "/usr/local/lib/libplaidml.dylib" and replace in above path
  1. 在实际代码中测试。在您的代码中使用keras而不是tensorflow.keras并运行以下命令。（keras 安装在第 2 步，在 GPU 中运行）
import os

# IMPORTANT: PATH MIGHT BE DIFFERENT. SEE STEP 6
os.environ["KERAS_BACKEND"] = "plaidml.keras.backend"
os.environ["RUNFILES_DIR"] = "/Library/Frameworks/Python.framework/Versions/3.7/share/plaidml"
os.environ["PLAIDML_NATIVE_PATH"] = "/Library/Frameworks/Python.framework/Versions/3.7/lib/libplaidml.dylib"

# Don't use tensorflow.keras anywhere, instead use keras
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
batch_size = 128
num_classes = 10
epochs = 12
# input image dimensions
img_rows, img_cols = 28, 28
# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()
if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')
# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])
model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

当你运行这个你会得到

Using plaidml.keras.backend backend.
INFO:plaidml:Opening device "metal_intel(r)_iris(tm)_graphics_6100.0"
# or whatever GPU you selected in step 3

这确认您正在 GPU 中运行它。

参考：https ://towardsdatascience.com/gpu-accelerated-machine-learning-on-macos-48d53ef1b545

于 2020-02-01T12:26:39.933 回答
0

事实上，Keras 仅支持 NVIDIA GPU 是不正确的。您可以选择 Keras 使用哪个后端，如果此后端支持 AMD GPU，那么 Keras 也应该在这种情况下工作。

然而，唯一适用于 MacOS 的后端是 PlaidML。AMD 处理器也有 ROCm，但截至 2020 年 10 月，MacOS 不支持它（请参阅此讨论）。

于 2020-10-17T16:39:10.597 回答