是否可以在tensorflow中跨多个GPU拆分网络？

Question

我计划运行一个非常大的循环网络(例如2048x5),是否可以在张量流中的一个GPU上定义一个层？我应该如何实施该模型以实现最佳效率.据我所知,GPU间或GPU-GPU-GPU通信存在开销.

Answer 1

在TensorFlow中,分割多个GPU的大型模型当然是可能的,但是最佳地进行这是一个棘手的研究问题.通常,您需要执行以下操作:

1. 在with tf.device(...):块中包装代码的大型连续区域,命名不同的GPU:

   with tf.device("/gpu:0"):
     # Define first layer.
   
   with tf.device("/gpu:1"):
     # Define second layer.
   
   # Define other layers, etc.
   

2. 构建优化程序时,将可选参数传递colocate_gradients_with_ops=True给optimizer.minimize()方法:

   loss = ...
   optimizer = tf.train.AdaGradOptimizer(0.01)
   train_op = optimizer.minimize(loss, colocate_gradients_with_ops=True)
   

3. (可选.)如果模型中的任何操作无法在GPU上运行,则可能需要在tf.ConfigProto创建时启用"软放置" tf.Session:

   config = tf.ConfigProto(allow_soft_placement=True)
   sess = tf.Session(config=config)