走进tensorflow第十二步——测试cpu和gpu的速度差距

最新推荐文章于 2024-08-13 22:48:20 发布

beyond_LH

最新推荐文章于 2024-08-13 22:48:20 发布

阅读量2.3w

点赞数 7

分类专栏： AI 文章标签： tensorflow gpu cpu ResourceExhaustedError

本文链接：https://blog.csdn.net/beyond9305/article/details/90450246

版权

AI 专栏收录该内容

26 篇文章 263 订阅 ¥9.90 ¥99.00

订阅专栏

本文通过测试代码对比了TensorFlow在CPU和GPU上的运行速度，发现在小规模任务中CPU表现更快，而在大规模任务中GPU展现出了优势。测试中遇到GPU资源不足导致的ResourceExhaustedError问题，提示需要更大的GPU内存来处理更大规模的计算。

摘要由CSDN通过智能技术生成

好久没看这一块了，最近一直瞎折腾，各种捣鼓，到了这个阶段，迷……

打算测一下cpu和gpu的实际差距，虽然我这gpu一般般，只有2G，但还是想看看能不能来点儿惊喜。

测试代码来自如下平台：

https://databricks.com/tensorflow/using-a-gpu

如果嫌麻烦可以直接copy以下代码：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import sys
import tensorflow as tf
from datetime import datetime

device_name = sys.argv[1]  # Choose device from cmd line. Options: gpu or cpu
shape = (int(sys.argv[2]), int(sys.argv[2]))
if device_name == "gpu":
    device_name = "/gpu:0"
else:
    device_name = "/cpu:0"

with tf.device(device_name):
    random_matrix = tf.random_uniform(

了解本专栏