在Google协作室中导入数据以进行快速计算和培训的最佳方法？

Question

我正在Google的colab上运行一个简单的深度学习模型，但运行速度比没有GPU的MacBook Air慢。

我读了this question，发现这是一个问题，因为数据集是通过Internet导入的，但是我不知道该如何加快此过程。

我的模型可以找到here。有什么想法可以使时代更快吗？

我的本​​地计算机每个时期需要0.5-0.6秒，而Google-colabs需要3-4秒

Answer 1

GPU总是比CPU快吗？没有为什么？因为GPU的速度优化取决于几个因素，

1. 您的代码中有多少部分并行运行/执行，即，您的代码中有多少部分创建了并行运行的线程，Keras会自动进行处理，在您的情况下应该不会出现问题。

2. 在CPU和GPU之间发送数据所花费的时间，这是很多人步履蹒跚的地方，它假定GPU始终会胜过CPU，但是如果传递的数据太小，则执行GPU所需的时间。计算（不需要计算步骤）比将数据/进程分解为线程，在GPU中执行它们，然后在CPU上重新组合起来要少。

由于您使用的batch_size为5，因此第二种情况在您看来很可能。 classifier=KerasClassifier(build_fn=build_classifier,epochs=100,batch_size=5)，如果您的数据集足够大，则增加batch_size会提高GPU的性能。

除此之外，您已经使用了非常简单的模型，并且@igrinis指出，数据仅从驱动器到内存加载一次，因此，从理论上讲，问题不应该是加载时间，因为数据在驱动器上。