在Windows 10上使用CPU在Keras上運行tensorflow

我已經在Windows 10上安裝了Anaconda安裝的Tensorflow和Keras。我正在使用Intel i7處理器。培訓4000個CSV文件的數據樣本需要40分鐘，我正在嘗試對此數據執行LSTM RNN預測分析。在Windows 10上使用CPU在Keras上運行tensorflow

這是預期的編譯時間使用CPU嗎？我們可以使用cpu或切換到GPU更快嗎？

2017-07-10 Arun Menon

數據文件的大小是多少？你能發佈你的代碼嗎？ – finbarr

其139kb和我遵循相同的技術，根據下面的URL http://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/ –

LSTMs是他們慢的訓練時間臭名昭着取決於你特定的LSTM結構，它們往往涉及很多元素，因此圖形編譯也可能需要一些時間（仍然，對於任何實際的訓練，訓練時間將比圖編譯花費更長的時間）。是的，在GPU上進行培訓會使事情變得更快。可能有些事情可以通過CPU來加快速度。 –

是的，當您僅使用CPU進行培訓時，您的代碼運行時間似乎相當長。如果您使用NVIDIA GPU，則運行速度會更快。

但是，您可能沒有在CPU上使用每個核心;如果你是，它可能運行得更快。您可以通過運行

sess = tf.Session(config=tf.ConfigProto(intra_op_parallelism_threads=NUM_THREADS))

改變Tensorflow使用的線程數如果設置線程等於您的CPU提供的數量，就應該跑得更快。

2017-07-10 15:48:30 finbarr

非常感謝您的及時響應，因此我應該在開始編譯之前在代碼中添加此代碼？ –

是的，這將是我的建議。基本上，當你創建'tf.Session'變量時，調整配置以包含'intra_op_parallelism_threads = NUM_THREADS'行。如果你發佈你的代碼，我可以幫你。 – finbarr

出於某種原因，我不能發佈我的完整代碼，但如果你引用這個鏈接，我使用相同的代碼http://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/在評論部分 –

回答