我使用 AWS p3 实例使用 GPU 加速训练以下模型:
x = CuDNNLSTM(128, return_sequences=True)(inputs)
x = Dropout(0.2)(x)
x = CuDNNLSTM(128, return_sequences=False)(x)
x = Dropout(0.2)(x)
predictions = Dense(1, activation='tanh')(x)
model = Model(inputs=inputs, outputs=predictions)
训练后，我使用 Keras 的
save_model 函数保存了模型，并将其移至没有 GPU 的单独生产服务器。当我尝试在生产服务器上使用该模型进行预测时，它失败并显示以下错误:
我猜这是因为生产服务器没有 GPU 支持，但我希望这不会成为问题。有什么办法可以在没有 GPU 的生产服务器上使用这个模型？
最佳答案
不，你不能，CuDNN 需要使用 CUDA GPU。你必须用标准的 LSTM 层替换你的 CuDNNLSTM 层。
关于python - 带有 CuDNNLSTM 层的 Keras 模型在生产服务器上不起作用，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48086014/