paddle paddleはGPUを使用します.

import paddle.v2 as paddle  # Initialize PaddlePaddle.paddle.init(use_gpu=true, trainer_count=1)  # Configure the neural network.x =paddle.layer.data(name='x', type=paddle.data_type.dense_vector(13))y_predict =paddle.layer.fc(input=x, size=1, act=paddle.activation.Linear())  # Infer using provided test data.probs =paddle.infer(    output_layer=y_predict,    parameters=paddle.dataset.uci_housing.model(),    input=[item foritem inpaddle.dataset.uci_housing.test()()])  for i inxrange(len(probs)):    print'Predicted price: ${:,.2f}'.format(probs[i][0] *1000)     3.GPUとCPUの
GPUとCPUを ってネットワーク のパラメータを することができます.つまり、ネットワークをいくつかの に してGPUを って することができますが、 の はCPUを って します.もう つの は、ネットワーク を なるGPUに して することで、GPUメモリを したり、 を いていくつかの の を することができる.ネットワーク でデバイスのID (deviceIdと )を したい 、 えたコマンドラインパラメータ:--parallel_nn=trueparallel_nn#command line:paddle train --use_gpu=true --parallel_nn=true --trainer_count=  COUNT#network:fc2=fc_layer(input=l1, layer_attr=ExtraAttr(device=0), ...)fc3=fc_layer(input=l1, layer_attr=ExtraAttr(device=1), ...)fc4=fc_layer(input=fc2, layer_attr=ExtraAttr(device=-1この では、 つのマシンに4つのGPUがあると します.

triner_count=1:

0 GPUを ってfc 2 を します.

1 GPUを ってfc 3 を する.

CPUを いてfc 4 を する.

triner_count=2:

0 と1 のGPUを ってfc 2 を します.

2 と3 のGPUを ってfc 3 を します.

CPU 2スレッドを いてfc 4 を する.

), ...)