由网友(拆了奈何桥)分享简介:我实现了RNN的本地版本和RNN的Colab TPU版本(代码如下)。当我执行Colab TPU版本(如下代码)时,训练速度非常慢,就像我在笔记本电脑的CPU上运行的本地版本一样。Colab TPU是否支持RNN网络?我是否遗漏了什么?import tensorflow as tfimport osfrom...我实现了RNN的本地版本和RNN的Colab TPU版本(代码如下)。当我执行Colab TPU版本(如下代码)时,训练速度非常慢,就像我在笔记本电脑的CPU上运行的本地版本一样。
Colab TPU是否支持RNN网络?
我是否遗漏了什么?
import tensorflow as tf
import os
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, SimpleRNN
resolver = tf.distribute.cluster_resolver.TPUClusterResolver(tpu='grpc://' + os.environ['COLAB_TPU_ADDR'])
tf.config.experimental_connect_to_cluster(resolver)
tf.tpu.experimental.initialize_tpu_system(resolver)
print("All devices: ", tf.config.list_logical_devices('TPU'))
strategy = tf.distribute.TPUStrategy(resolver)
with strategy.scope():
model = Sequential()
model.add(SimpleRNN(units=32, input_shape=(1,step), activation="relu"))
model.add(Dense(16, activation="relu"))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='rmsprop')
model.fit(X,y, epochs=50, batch_size=16, verbose=0)
推荐答案
ctrl-f onthis page用于rnn。如果您可以使RNN足够静态,它似乎应该可以工作。
通常,动态操作不能很好地与TPU配合使用,因为它需要为每个新的训练示例重新编译模型图。
相关推荐
最新文章