把python函数转化为 tensorflow 函数 加速运算

简介: 把python函数转化为 tensorflow 函数 加速运算
docker run -tdi --gpus all  -p 60106:22 -p 60006:8888 --name  cujupt102 --privileged=true  registry.cn-hangzhou.aliyuncs.com/mkmk/gpujupyter:pydotGrapgviz /bin/bash && docker exec -d cujupt102 /bin/bash -c "cd /home &&(/etc/init.d/ssh start) && nohup jupyter notebook --allow-root & "
sshpass -p "Li" ssh -NTf -R 60006:172.16.102.168:60006 root@limengkai.work -o stricthostkeychecking=no
watch -n 1  nvidia-smi
pip install numpy sklearn matplotlib pandas tensorflow-gpu
sys.version_info(major=3, minor=7, micro=2, releaselevel='final', serial=0)
3.7.2 (v3.7.2:9a3ffc0492, Dec 24 2018, 02:44:43) 
[Clang 6.0 (clang-600.0.57)]
matplotlib 3.0.3
numpy 1.17.2
pandas 0.25.1
sklearn 0.21.3
tensorflow 2.0.0-beta0
tensorflow.python.keras.api._v2.keras 2.2.4-tf
import warnings 
warnings.filterwarnings('ignore')
import matplotlib as mpl
import matplotlib.pyplot as plt 
%matplotlib inline
import numpy as np
import sklearn 
import pandas as pd
import os
import sys
import time
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import *
print(sys.version_info)
print(sys.version)
for module in mpl,np,pd,sklearn,tf,keras:
    print(module.__name__,module.__version__)
#tf.function  and auto-graph
def scaled_elu(z,scale=1.0,alpha=1.0):
    # z>=0? scale * z
    is_positive=tf.greater_equal(z,0.0)
    return scale * tf.where(is_positive,z,alpha*tf.nn.elu(z))
print(scaled_elu(tf.constant([-4.,-2])))
#根据python 方法转化成 tf 方法
scaled_elu_tf=tf.function(scaled_elu)
print(scaled_elu_tf(tf.constant([-4.,-3.])))
#根据 tf 方法 还原 python 方法
print(scaled_elu_tf.python_function is scaled_elu)
#tf 方法有什么优势,
#快!
%timeit scaled_elu(tf.random.normal((10000,10000)))
%timeit scaled_elu_tf(tf.random.normal((10000,10000)))
# 2.86 s ± 199 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
# 2.02 s ± 79.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
#这仅仅是在 cpu 测试的结果,如果采用 gpu 加速会更加明显


相关实践学习
基于阿里云DeepGPU实例,用AI画唯美国风少女
本实验基于阿里云DeepGPU实例,使用aiacctorch加速stable-diffusion-webui,用AI画唯美国风少女,可提升性能至高至原性能的2.6倍。
相关文章
|
1天前
|
Python
详解 Python 的二元算术运算,为什么说减法只是语法糖?
详解 Python 的二元算术运算,为什么说减法只是语法糖?
3 0
|
1天前
|
数据采集 Rust Java
Python 为什么没有 main 函数?为什么我不推荐写 main 函数?
Python 为什么没有 main 函数?为什么我不推荐写 main 函数?
5 0
|
1天前
|
缓存 中间件 数据安全/隐私保护
Python中的装饰器:优雅而强大的函数修饰工具
在Python编程中,装饰器是一种强大而优雅的工具,能够用于对函数进行修饰、增强和包装。本文将介绍Python中装饰器的基本概念、工作原理以及实际应用,帮助读者更好地理解和运用这一技术,提升代码的可读性和灵活性。
|
1天前
|
并行计算 数据处理 Python
Python中的高级函数应用与实践
本文将深入探讨Python中高级函数的概念、特性及应用场景,通过实际案例演示,帮助读者更好地理解和运用高级函数,提升代码的灵活性和可维护性。
|
3天前
|
存储 Serverless Python
在Python中,如何使用嵌套调用来实现函数的组合?
【2月更文挑战第6天】【2月更文挑战第16篇】在Python中,如何使用嵌套调用来实现函数的组合?
|
3天前
|
Python
在Python中,如何实现函数的组合?
【2月更文挑战第6天】【2月更文挑战第15篇】在Python中,如何实现函数的组合?
|
7天前
|
Python
Python中的装饰器:优雅而强大的函数修饰工具
在Python编程中,装饰器是一种强大的工具,它允许我们在不改变原始函数代码的情况下,通过添加额外的功能来修饰函数。本文将深入探讨Python中装饰器的定义、基本语法和实际运用,帮助读者更好地理解并灵活运用这一技术。
|
8天前
|
机器学习/深度学习 PyTorch TensorFlow
Python中的深度学习:TensorFlow与PyTorch的选择与使用
Python中的深度学习:TensorFlow与PyTorch的选择与使用
|
8天前
|
Python
介绍Python中的函数式编程中的“纯函数”概念。
介绍Python中的函数式编程中的“纯函数”概念。
|
8天前
|
机器学习/深度学习 设计模式 算法框架/工具
python中的hook函数
经常会听到钩子函数(hook function)这个概念,最近在看目标检测开源框架mmdetection,里面也出现大量Hook的编程方式,那到底什么是hook?hook的作用是什么?【2月更文挑战第1天】
27 0

相关产品