我一直在使用带有 4 个 NVIDIA GPU 的 Keras 框架来训练 NN 模型。 (数据行数:~160,000，列数:5)。现在我想通过使用 GridSearchCV 来优化它的参数。
但是，每当我尝试将 n_jobs 更改为 1 以外的其他值时，我都会遇到几个不同的错误。错误，例如
CUDA OUT OF MEMORY
Can not get device properties error code : 3
然后我读了这个网页，
“#如果你不使用 GPU，你可以将 n_jobs 设置为 1 以外的值”
http://queirozf.com/entries/scikit-learn-pipeline-examples
那么在 GridSearchCV 中使用多个 GPU 是不可能的吗？
[环境]
Ubuntu 16.04
python 3.6.0
Keras/Scikit-Learn
谢谢!
最佳答案
根据 scikit learn 中的常见问题解答 - 不支持 GPU。 Link
您可以使用 n_jobs使用您的 CPU 内核。如果您想以最大速度运行，您可能需要使用几乎所有的内核:
import multiprocessing
n_jobs = multiprocessing.cpu_count()-1
关于scikit-learn - 使用多个GPU的GridSearchCV中 "n_jobs == 1"的含义，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52148562/