GPU tensorflow 在笔记本电脑上运行速度比 CPU tensorflow 慢？

Question

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。

在 GPU 上训练 mnist 数据集的结果

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。

CNN模型

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？

Answer 1

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

1. 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。

2. 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）

Answer 2

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。