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?
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?
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。
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 –
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。 –