GPU tensorflow运行速度比笔记本电脑上的CPU tensorflow慢？

Question

我最近在我的笔记本电脑上安装了GPU tenstorflow、CUDA和cuDNN，使用本教程使用我的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）。根据教程，我安装并配置了使用GPU所需的所有更改。

每个epoc只需6秒钟就可以编译60000张图像。在nvidiasmi表中，我可以看到我的GPU内存使用量是19MiB。在本教程中，他的GPU内存使用率为777MB。

然后我试着运行我自己的数据集和模型，它有88000个图像，运行10个EPOC。本次培训的nvidia smi将GPU的使用情况显示为19MiB<代码>tf。测验\u gpu\u是否可用（）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？

Answer 1

在笔记本电脑上，它发生了一个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设置下使用nvidia控制面板中的Nvidia图形处理器，选择高性能Nvidia图形。

Answer 2

您使用的链接有多种NVIDIA驱动程序安装方法。我不知道你用的是哪种方法。通常不推荐第一种方法，因为大多数情况下，安装回溯驱动程序的时间都很长。（如果您想重新安装驱动程序，请参阅tensorflow官方文档中的说明。）

不过，现在来谈谈要点。

当nvidia-smi命令工作时，让我们跳过驱动程序安装部分。

但是，tf。测验_gpu_可用吗（）返回由多种原因引起的False。（即CuDNN或Tensorflow与当前驱动程序不兼容）。

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，并搜索与当前GPU驱动程序版本兼容的合适的Tensorflow verson。

使用conda环境安装tensorflow。这将下载正确的CUDA、CuDNN和其他必要的库。

conda安装-c anaconda

conda安装-c anaconda keras-gpu