我正在使用Tensorflow的API训练“ faster_rcnn_inception_resnet_v2_atrous_coco”以进行自定义对象检测。
我使用以下配置在azure上设置了机器：
Intel cxeon CPU E5-2690 v3 @ 2.60GHz 内存56GB Windows10 64位 GPU tesla k80总内存11.18GB
当我运行train.py时，我每秒获得以下速度：
INFO：tensorflow：全局步骤458：损耗= 0.5601（3.000秒/步） I1009 19：30：13.254615 5916 tf_logging.py:115]全局步骤458：损失= 0.5601（3.000秒/步） INFO：tensorflow：全局步骤459：损耗= 0.5724（3.077秒/步） I1009 19：30：16.331734 5916 tf_logging.py:115]全局步骤459：损失= 0.5724（3.077秒/步） INFO：tensorflow：全局步骤460：损耗= 0.8615（3.018秒/步） I1009 19：30：19.350132 5916 tf_logging.py:115]全局步骤460：损耗= 0.8615（3.018秒/步） INFO：tensorflow：全局步骤461：损耗= 0.6021（3.062秒/步） I1009 19：30：22.428256 5916 tf_logging.py:115]全局步骤461：损失= 0.6021（3.062秒/步）
它足够快还是应该比使用GPU更快？配置文件的batchsize为1。当我将其更改为2或更高时，它将用尽内存。
在包含93张图像的数据集中，每步花费3秒。好的...但是经过训练，当我加载冻结的图并尝试对所有图像进行预测时，每个图像需要花费1秒的时间..使用GPU ...似乎太慢了..我在做什么错了？