我希望使用GPU设备来训练自定义模型。
我在想,客户是否可以通过CPU使用它?
是的,你需要在GPU上完成训练的重活,保存权重后,你的CPU只需要进行矩阵乘法来进行预测。
在Tensorflow和Keras中,你可以训练你的模型并保存神经网络权重:
Tensorflow:
# ON GPU
with tf.Session() as sess:
sess.run(init)
save_path = saver.save(sess, "/tmp/saved_model.ckpt")
# ON CPU
with tf.Session() as sess:
saver.restore(sess, "/tmp/saved_model.ckpt")
model.save_weights('your_model_weights.h5')
model.load_weights('your_model_weights.h5')
sklearn
算法可以通过以下方式保存权重:
model=XGBClassifier(max_depth=100, learning_rate=0.7, n_estimators=10, objective='binary:logistic',booster='gbtree',n_jobs=16,eval_metric="error",eval_set=eval_set, verbose=True)
clf=model.fit(x_train,y_train)
from sklearn.externals import joblib
joblib.dump(clf, '/path/your_model.joblib')
model = joblib.load('/path/your_model.joblib')
model.predict(X_train)