训练速度很慢

[anbo724]

在NER crf任务上感觉速度特别慢，我是4卡的RTX，每个卡只占用了166m现存，但是cpu占用1000%以上。 为什么感觉计算都放在了cpu而不是gpu呢？

我安装的时候先安装的bert4keras，然后安装的TensorFlow-gpu。 真心求教！

提问时请尽可能提供如下信息：

基本信息

• 你使用的操作系统:
• 你使用的Python版本:
• 你使用的Tensorflow版本: tensorflow-gpu =1.14
• 你使用的Keras版本: 2.3.1
• 你使用的bert4keras版本: 0.10.6
• 你使用纯keras还是tf.keras:
• 你加载的预训练模型:

核心代码

# 请在此处贴上你的核心代码。
# 请尽量只保留关键部分，不要无脑贴全部代码。

输出信息

# 请在此处贴上你的调试输出

自我尝试

不管什么问题，请先尝试自行解决，“万般努力”之下仍然无法解决再来提问。此处请贴上你的努力过程。

[bojone]

这个很显然就是没用gpu训练。而为什么没用gpu训练，那是因为没有搭好tf的gpu环境。至于怎么搭好tf的gpu环境，那就请自行搜索了。

[bojone]

可以用tf.test.is_gpu_available()测试是否搭好了tf的gpu环境。

[anbo724]

可以用tf.test.is_gpu_available()测试是否搭好了tf的gpu环境。

感谢您的快速恢复。 能否告知您那边的TensorFlow-gpu、cuda和cudnn的版本号？ 我对应的配置一下，谢谢

[bojone]

可以用tf.test.is_gpu_available()测试是否搭好了tf的gpu环境。

感谢您的快速恢复。 能否告知您那边的TensorFlow-gpu、cuda和cudnn的版本号？ 我对应的配置一下，谢谢

我tf用1.14或1.15，对应的cuda/cudnn版本号直接网上就可以找到了，cuda是10.x吧

[anbo724]

可以用tf.test.is_gpu_available()测试是否搭好了tf的gpu环境。

感谢您的快速恢复。 能否告知您那边的TensorFlow-gpu、cuda和cudnn的版本号？ 我对应的配置一下，谢谢

我tf用1.14或1.15，对应的cuda/cudnn版本号直接网上就可以找到了，cuda是10.x吧

好的，感谢 不过tf的环境配置确实有点坑，不如pytorch的方便