benchmark 基准
deterministic 确定的
torch.backends.cudnn.benchmark=true
设置这个 flag 可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法,来达到优化运行效率的问题。
- 如果网络的输入数据维度或类型上变化不大,设置 torch.backends.cudnn.benchmark = true 可以增加运行效率;
- 如果网络的输入数据在每次 iteration 都变化的话,会导致 cnDNN 每次都会去寻找一遍最优配置,这样反而会降低运行效率。
当随机数种子seed确定时,每次返回的卷积算法将是确定的,模型的训练结果将始终保持一致。
cudnn.deterministic = True