深度学习Halcon中GPU显存利用率高，但GPU、CPU利用率较低，导致模型训练速度很慢，通过设置硬件参数的解决方法

深度学习Halcon中GPU显存利用率高，但GPU、CPU利用率较低，导致模型训练速度很慢，通过设置硬件参数的解决方法

前言

在训练自己模型的时候，会遇到GPU显存利用率高，但GPU、CPU利用率较低，导致模型训练速度很慢的问题。这个问题一方面是由于硬件没有设置到最佳工作状态，另一方面是代码中参数没有设置好。最近在跑Halcon DL遇到这个问题，而Halcon不像开源的几个框架那样自由，代码封装的比较严实。所以遇到这种问题，只能在参数最优的情况下，通过设置硬件参数来提升性能。
当然，在跑DL之前，无论什么框架，都需要把硬件性能提升到最高效，这样心里才平衡，因为只有这样才能不辜负花出去的白花花银子。

前景再现

这是没有进行硬件设置之前，GPU状态（效率非常低，一度怀疑自己的卡是矿卡）。

进行一系列硬件设置之后GPU运行状态（两次运行的代码以及数据集都是相同的）。

硬件设置

1、电源性能

找到控制面板->电源选项->选择高性能

2、显卡性能

开始菜单栏->NVIDIA Control Panel(显卡控制面板)

拖动滑动条选择性能选项。

配置PhysX，PhysX设置下选择自己的显卡，点击应用生效。

3、BIOS CPU性能

进入BIOS，将CPU性能设置到最佳（不同品牌主板设置可能有区别，视自己的情况而设置，最终只要达到提升CPU性能的目的就好）。

根据我的CPU功能，开启涡轮加速模式（上图的Turbo-Model）

4、硬盘性能

如果有固态硬盘，最好将要处理的数据集存放在固态硬盘上，这样会提高数据交互效率。