走进tensorflow第十二步——测试cpu和gpu的速度差距

26 篇文章 263 订阅 ¥9.90 ¥99.00
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(
评论 21
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

beyond_LH

您的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值