[Keras] Keras GPU 설치

* 후기

- Keras는 Tensorflow랑 다르게 크게 변경할 것이 없다.

Keras 정말 쓰기 쉬워서 중독된다.

​

​

​

* 설치

[1] anaconda 에 가상 환경 만들어주기

=> anaconda prompt에서 다음의 명령어를 실행해준다.

conda create --name keras

activate keras

 

 

​

[2] keras-gpu 버전을 설치한다.​

conda install keras-gpu

​​

​

​

* CPU와 GPU 속도 비교

◎ CPU : Intel(R) Core(TM) i7-8700K CPU @ 3.7GHz

◎ GPU : NVIDIA GeForce GTX 1080Ti

​

◎ 사용 코드 : CNN을 이용한 MNIST 데이터 분류 코드

'''Trains a simple convnet on the MNIST dataset.
Gets to 99.25% test accuracy after 12 epochs
(there is still a lot of margin for parameter tuning).
16 seconds per epoch on a GRID K520 GPU.
'''

from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

batch_size = 128        # 배치 사이즈 128로 설정.
num_classes = 10        # 정답 라벨링 개수 ( 0 ~ 10 )
epochs = 3             # Epoch 반복 회숫 3회로 설정


# input image dimensions
img_rows, img_cols = 28, 28         # 이미지 가로 세로 배열.


# MNIST 데이터 불러오기
(x_train, y_train), (x_test, y_test) = mnist.load_data()

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')

# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)


model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape))           # Input Layer : 32개의 필터를 가진다.

model.add(Conv2D(64, (3, 3), activation='relu'))                                                # 첫번째 hidden layer이며 64개의 필터를 가진다.
model.add(MaxPooling2D(pool_size=(2, 2)))                                                       # Pooling Layer를 의미한다.
model.add(Dropout(0.25))                                                                        # Dropout을 0.25로 하여 overfitting을 방지한다.
model.add(Flatten())                                                                            # 데이터를 1차원으로 바꿔주는 Layer. 아래의 fully_connected_layer에 연결해주기 위해 1차원으로 바꾸어준다.
model.add(Dense(128, activation='relu'))                                                        # Dense는 Fully Connected Layer를 의미한다.
model.add(Dropout(0.5))                                                                         # Dropout은 0.5로 하여 overfitting을 방지한다.

model.add(Dense(num_classes, activation='softmax'))                                             # Output Layer를 의미하며 activation은 softmax로 분류흘 한다.

model.summary()                                                                                 # 모델의 요약을 보여준다.

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

​

​

 

◎ CPU 결과

=> 167초

( 그림1 ) CPU 사용

 

​

​

◎ GPU 결과

=> 9초

( 그림2 ) GPU 사용

​​

​

​

* 참고 URL

https://agiantmind.tistory.com/192

Windows, Anaconda, Keras 환경설정 (GPU지원이슈)