دلیل اجرا نکردن محاسبات بر روی gpu

محمد اردوخانی

سلام خدمت شما دوست عزیز

باید کانفگش رو حتما انجام بدین. در بخش استفاده از tensorflow این مورد بررسی شده

Sharik Shariki

ببخشید ویدیوی قسمت چندم هستش یا اگه نمیدونید اگر مقدور هست لینک وب سایتی که بگه چیکار کنم بدید  

محمد اردوخانی

فایل آخر رو دانلود کنین سورس کد مربوط به فایل tensorflow رو مطالعه کنین

Sharik Shariki

این کد من هستش قبل از اینکه از این تیکه کد استفاده کنم بدون مشکل نتیجه رو میداد ولی کل فشار روی سی پی یو بود حالا که این کد اضافه کردم این ارور رو داد و اینکه من تو دستورانم از خود tensorflow  استفاده نکردم از keras استفاده کردم 

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import math 
import datetime as dt
from sklearn.preprocessing import MinMaxScaler
from keras.models import Sequential 
from keras.layers import Dense , LSTM
plt.style.use('fivethirtyeight')



import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(device_count={'GPU':0}))
sess.run(tf.global_variables_initializer())
#اینجا به من این ارور داد
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-4-2901d1650054> in <module>
      9 plt.style.use('fivethirtyeight')
     10 import tensorflow as tf
---> 11 sess = tf.Session(config=tf.ConfigProto(device_count={'GPU':0}))
     12 sess.run(tf.global_variables_initializer())

AttributeError: module 'tensorflow' has no attribute 'Session'
---------------------------------------------------------------------------



DD=0.8
HH=10
Crypto='DOGE'
n=60
df=pd.read_csv(Crypto+".csv")
df=df.set_index(pd.DatetimeIndex(df['Date'].values))

data=df.filter(['Close'])
dataset=data.values

training_data_len=math.ceil(len(dataset)*DD)
scaler=MinMaxScaler(feature_range=(0,1))
scaled_data=scaler.fit_transform(dataset)

training_data=scaled_data[0:training_data_len , :]

xtrain=[]
ytrain=[]

for i in range(n,len(training_data)):
    xtrain.append(training_data[i-n:i , 0])
    ytrain.append(training_data[i,0])

xtrain , ytrain = np.array(xtrain) , np.array(ytrain)
xtrain=np.reshape(xtrain , (xtrain.shape[0],xtrain.shape[1],1))
xtrain.shape

model=Sequential()
model.add(LSTM(50,return_sequences=True,input_shape=(xtrain.shape[1],1)))
model.add(LSTM(50,return_sequences=False))
model.add(Dense(25))
model.add(Dense(1))

model.compile(loss='mean_squared_error',optimizer='adam')

model.fit(xtrain,ytrain,epochs=HH,batch_size=1)

test_data=scaled_data[training_data_len - n : , :]
xtest=[]
ytest=dataset[training_data_len : , :]
for i in range(n , len(test_data)):
    xtest.append(test_data[i-n : i , 0])

xtest=np.array(xtest)
xtest=np.reshape(xtest , (xtest.shape[0],xtest.shape[1],1))

prediction=model.predict(xtest)
prediction=scaler.inverse_transform(prediction)
#root mean squared error
rmse=np.sqrt(np.mean((prediction - ytest)**2))


train=data[:training_data_len]
valid=data[training_data_len:]
valid['prediction']=prediction

plt.figure(figsize=(16,8))
plt.title(Crypto)
plt.xlabel('Date')
plt.ylabel('Price')
plt.plot(train['Close'],linewidth=1.7)
plt.plot(valid[['Close','prediction']],linewidth=1.7)
plt.legend(['Train','Value','Prediction'])
plt.show()

def Prediction(x,y=None):
    newdf=data[x:y].values
    scalednewdf=scaler.transform(newdf)

    xtest=[]
    xtest.append(scalednewdf)
    xtest=np.array(xtest)
    xtest=np.reshape(xtest,(xtest.shape[0],xtest.shape[1],1))

    pred=model.predict(xtest)
    pred=scaler.inverse_transform(pred)
    return pred
print("error : "+str(rmse))
print("after : "+str(Prediction(-n,None)))
print("before : ")
valid.tail(1)

محمد اردوخانی

کد بنده رو کامل منتقل نکردین دوست من

باید به tensorflow بفهمونین که دارین از نسخه ی قبلی استفاده میکنین

برای import کردن tensroflow از دستور زیر استفاده کنین :

# import tensorflow.compat.v1 as tf

# tf.disable_v2_behavior()

Sharik Shariki

این کد رو وارد کردم ارور برطرف شده اما همچنان سی پی یو 100 و جی پیو 0  مقدارشم از صفر گذاشتم رو یک بازم فرقی نداشت

محمد اردوخانی

لطفا کد کاملی که استفاده کردین رو ارسال کنید دوست من