快速的LSTM实现,支持CuDNN。只能在使用TensorFlow后端的GPU上运行。
我认为Keras会自动尽可能地使用GPU。根据TensorFlow构建说明,要使用工作正常的TensorFlow GPU后端,需要安装CuDNN:
必须在您的系统上安装以下NVIDIA软件:
- NVIDIA的Cuda Toolkit(>= 7.0)。我们推荐使用版本9.0。有关详细信息,请参见NVIDIA的文档。请确保按照NVIDIA文档中的说明将相关的Cuda路径名附加到LD_LIBRARY_PATH环境变量中。 - 与NVIDIA的Cuda Toolkit相关联的NVIDIA驱动程序。 - cuDNN(>= v3)。我们推荐使用版本6.0。有关详细信息,请参见NVIDIA的文档,特别是关于将适当的路径名附加到LD_LIBRARY_PATH环境变量中的描述。
因此,使用TensorFlow GPU后端的常规LSTM与CuDNNLSTM有何不同?当发现可用的TensorFlow GPU后端时,CuDNNLSTM是否会自动选择并替换常规LSTM?