为什么tensorflow训练用GPU比CPU更慢了

如题所述

举报该问题

第1个回答 2017-08-02

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

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tensorflow tensorflow安装太慢 tensorflow预测太慢 tensorflow下载太慢 tensorflow gpu 慢 tensorflow模型预测太慢

为什么tensorflow训练用GPU比CPU更慢了

tensorflow使用gpu 但是运行还是大量使用cpu训...

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

问下，多GPU却没有集显的电脑，跑tensorflow机器学...

Tensorflow 训练时运行越来越慢，重启后又变好是什么...

TensorFlow在使用模型的时候，怎么利用多GPU来提高...

为什么tensorflow的计算速度比其他DL框架慢

tensorflow mnist cpu运行最快要多久