我有一个用tensorflow编写的代码,我运行在CPU上运行正常。 我正在转移到一台有GPU的新机器上,我在新机器上运行代码但是培训速度并没有像预期的那样提高(几乎相同的时间)。
据我所知,Tensorflow会自动检测GPU并对其进行操作(https://www.quora.com/How-do-I-automatically-put-all-my-computation-in-a-GPU-in-TensorFlow)& (https://www.tensorflow.org/tutorials/using_gpu)。
我是否必须更改代码才能在GPU上手动运行操作(现在我只有一个GPU)?以及手动完成后会得到什么?
谢谢
答案 0 :(得分:1)
如果安装了TensorFlow的GPU版本,并且未将所有张量分配给CPU,则应将其中一些分配给GPU。
要找出TensorFlow可用的设备(CPU,GPU),您可以使用:
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
关于性能问题,这是一个相当广泛的主题,它实际上取决于您的模型,您的数据等。 Here是关于TensorFlow性能的一些广泛评论。