• 所有问题

    • 为什么tensorflow训练用GPU比CPU更慢了

    如题所述

    举报该问题
    推荐答案   2019-07-19
    最主要的可能是GPU的利用率不足。例如我的机器跑fashion mnist，GPU利用率只有3%左右，GPU比CPU慢一倍。
    温馨提示：答案为网友推荐，仅供参考
    其他回答
    第1个回答  2017-08-04
    安装GPU版本的tensorflow就可以了pipinstall--upgrade还需要安装GPU加速包，下载CUDA和cuDNN的安装包了，注意版本号分别是CUDA8.0和cuDNN5.1。
    如果都安装成功，运行程序时会自动使用GPU计算本回答被提问者采纳
    第2个回答  2017-10-20
    看看显存，具体参数
    相似回答
    但为什么我写的程序在gpu上运行的还没有cpu快答：因此如果某个程序在GPU上的运行速度不如CPU上快，只是应用或程序本身就决定了。GPU的优势如下：（1）计算密集型的程序。所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟...
    GPU核心频率为什么远逊于CPU?答：2.CPU核心构架问题 有强劲超频能力的处理器都是产品更新换代时产生的 新的核心给CPU带来了强大的超频潜力 3.GPU由于晶体管数量多 良品率更低 为了节约成本 生产商往往会吧有问题的核心阉割 做成低频的版本推向市场.再加上构架上的制约 GPU的超频潜力往往都不如CPU.试想，如果N卡和A卡的核心频率提高...
    xgboost使用gpu比cpu慢答：原因大致为:数据传输会有很大的开销,而GPU处理数据传输要比CPU慢,而GPU的专长矩阵计算在小规模神经网络中无法明显体现出来。
    训练TensorFlow模型的时候,GPU使用率总是出现突然的降低,波动很大,我...答：我在用pytorch训练时也出现这样的问题，可能是模型相对较小，数据从CPU传递到GPU需要一定的时间。
    为什么在部分机器学习中训练模型时使用GPU的效果比CPU更好答：Cloud Machine Learning管理平台结合TensorFlow，其一大亮点是支持异构设备分布式计算，它能够在各个平台上自动运行模型，从中国、单个CPU / GPU到成百上千GPU卡组成的分布式系统。开发者因此无需把时间花费在处理集群上，而更专注于模型创建。 在TensorFlow框架的支持下上，利用全新的Cloud Machine Learning可以...
    为什么GPU的通用计算能力高于CPU?答：GPU中负责逻辑算数的部分要远远大于CPU因此在逻辑运算上当然就比CPU强太多GPU对Cache的依赖比CPU小，因为GPU用的是高速度总线；其次GPU的数据具有高度对齐性以及不符合局部化假设、比CPU更深的pipeline执行还有一点就是很少把数据写回。但是CPU不同，它非常需要Cache，有无Cache的CPU差距可以是极大的。其实...
    大家正在搜
    tensorflow怎么用tensorflow可以做什么TensorFlowCPU慢吗caffe和tensorflowtensorflow安装太慢tensorflow预测太慢tensorflow下载太慢tensorflow gpu 慢tensorflow模型预测太慢
    相关问题
    为什么tensorflow训练用GPU比CPU更慢了
    tensorflow能不能gpu cpu 一起训练
    训练TensorFlow模型的时候，GPU使用率总是出现突然...
    tensorflow使用gpu 但是运行还是大量使用cpu训...
    tensorflow gpu版本怎么换到cpu版本
    tensorflow cpu 和gpu都要装么
    电脑的显卡不支持tensorflow-gpu加速 ...