为什么Tensorflow在GPU升级后没有提高速度？
我已经安装了Tensorflow 1.4 GPU版本。Cuda8也被安装了。
我用MNIST数据训练了我的简单的GAN网络。我有AMD FX 8320 CPU，16 FX系统内存和SSD硬盘驱动器。
在具有1GB内存的GeForce 720 GPU上，每小时大约需要17秒钟。训练使用了25%的GPU和99%的内存。CPU负载很高，接近100%。
然后，我用GeForce1050、Ti、GPU和4Gb内存插入了其他视频板，而不是以前的。GPU加载时间为5-6%，内存利用率为93%.但我仍然有大约17s的每一个时代和高负荷的CPU。
那么也许Tensorflow有一些设置来利用更多的GPU呢？或者，高CPU负载和低GPU负载的原因是什么？
回答 2
Stack Overflow用户
发布于 2018-07-25 01:01:43
如果你正在训练一个简单的GAN网络，很可能你的老GPU不是瓶颈。因此，改进它没有任何效果。如果每个sess.run()调用的工作量很小，则开销(执行您的TensorFlow代码、将输入数据复制到GPU、启动和运行TensorFlow执行器、将所有操作调度到GPU等)可以控制您的计算。
要知道发生了什么，唯一可靠的方法就是分析。您可以在这里查看一下guide作为起点。它提到的时间线工具可能相当有用。有关更多细节，请参见这里：Can I measure the execution time of individual operations with TensorFlow?。
Stack Overflow用户
发布于 2018-09-26 11:34:34
同意，对于MNIST数据集，系统中可能还有其他瓶颈，而不是GPU。我同时跑了两个TensorFlows，
- 英特尔i7 4600百万与NVIDIA Quadro K1100M GPU和12 GB内存，这是第四代哈斯韦尔英特尔机器，和
- 英特尔i5 8300 U与无库达GPU和16 i5内存。
基本上，第八代卡比湖英特尔CPU对第四代英特尔，我得到：
- 使用NVIDIA GPU的第四代英特尔芯片: 311.5秒，315.9秒，313.0秒，完成MNIST运行中的所有10个epocs。
- 没有GPU的第8代英特尔芯片: 252.7秒，243.5秒，254.9秒
所以我没有GPU就跑了20%，只是新一代的英特尔芯片。
https://stackoverflow.com/questions/48010586
复制相似问题
腾讯云开发者
