[英]GPU tensorflow running slower than CPU tensorflow on laptop?
我最近在笔记本电脑上安装了 GPU tensorflow、CUDA 和 cuDNN,以使用本教程使用 GPU 训练我的模型。 我的笔记本电脑是联想 Ideapad 510,处理器 = i5-7 代,GPU = GForce 940MX(4GB)。 按照教程,我安装并配置了使用 GPU 所需的所有更改。
每个 epoc 只需 6 秒即可编译 60,000 张图像。 在nvidia-smi
表上,我可以看到我的 GPU 内存使用量为 19MiB。 在教程中,他的 GPU 内存使用量为 777MiB。
然后我尝试运行我自己的数据集和模型,其中包含 88000 张图像并运行 10 个 epoc。 本次培训的nvidia-smi
显示 GPU 使用量为 19MiB。 tf.test.is_gpu_available()
也返回 FALSE。
classifier = Sequential()
classifier.add(Conv2D(32, (3, 3), input_shape = (100, 100, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Conv2D(32, (3, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 39, activation = 'softmax'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('train',
target_size = (100,100),
batch_size = 32,
class_mode = 'categorical')
test_set = test_datagen.flow_from_directory('test',
target_size = (100, 100),
batch_size = 32,
class_mode = 'categorical')
classifier.fit_generator(training_set,
steps_per_epoch = 88534,
epochs = 10,
validation_data = test_set,
validation_steps = 1418)
classifier.save('/home/harish/Desktop/asl-alphabet/asl_pred.h5')
为什么我不能比通常的 CPU 更快地训练数据? 如何启用 GPU 进行训练?
您使用的链接有多种安装 NVIDIA 驱动程序的方法。 我不确定您使用的是哪种方法。 第一种方法一般不推荐,因为大多数时候安装过时的驱动程序。 (如果你想重新安装驱动程序,请看看这个tensorflow官方文档中描述。)
但是,现在进入重点。
由于nvidia-smi
命令正在运行,让我们跳过驱动程序安装部分。
但是, tf.test.is_gpu_available()
返回False
,这可能是由多种原因引起的。(即 CuDNN 或 Tensorflow 与您当前的驱动程序不兼容)。
一个快速的解决方案可能是
请检查您当前的 GPU 驱动程序版本,并搜索与您当前的 GPU 驱动程序版本兼容的合适的 Tensorflow 版本。
使用 conda 环境安装 tensorflow。 这将下载正确的 CUDA、CuDNN 和其他必要的库。
Tensorflow GPU: conda conda install -c anaconda tensorflow-gpu=<version>
Keras gpu conda install -c anaconda keras-gpu=<version_match_with_tensorflow>
(但是, tf.keras
可能比这个单独的 keras 安装更好)
在笔记本电脑上,应用程序不想使用专用卡,因为它是通过英特尔显示器工作的。 检查您的笔记本电脑是否在 3d 设置下的 nvidia 控制面板中使用 Nvidia GPU,选择高性能 Nvidia 图形。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.