#python #google-colaboratory #dlib
#питон #google-colaboratory #dlib #python
Вопрос:
Как мне принудительно обучить на GPU?
В настоящее время он использует только процессор, даже когда я запускаю dlib.DLIB_USE_CUDA и он говорит true .
Он также говорит 1 , когда я запускаю print(dlib.cuda.get_num_devices())
Вот прикрепленное изображение, которое показывает, что на графическом процессоре ничего не работает, когда на самом деле я запускаю код:
ПРИМЕЧАНИЕ: графический процессор был настроен как запущенный
Комментарии:
1. По-видимому, поскольку я тестировал, это была не ошибка обучения, а скорее ошибка загрузки. Загрузка файлов Ibug занимает так много времени и оперативной памяти. Есть ли какой-нибудь способ загрузить это быстрее?
Ответ №1:
Комментарий:
Очевидно, поскольку то, что я тестировал, это была не ошибка обучения, а скорее ошибка загрузки. Для загрузки файлов ibug-300W требуется очень много времени и оперативной памяти. Есть ли какой-нибудь способ загрузить это быстрее?
Если кто-то когда-либо сталкивался с этой проблемой в Google colab (медленное время обучения).
Способ загрузить это быстрее — перенести набор данных непосредственно на виртуальную машину / содержимое colab. Потому что скорость передачи между Drive и Colab низкая.
PS: Для загрузки файлов ibug-300W вам потребуется не менее 14-15 ГБ оперативной памяти.