66问答网
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
其他回答
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
相关问题
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