自从2019年以来，我最近将我的机器学习培训过程推向了云端，对吗？ 我使用google collab作为标题建议。
现在，我已经看到我的本地运行时与预期的云运行时之间的性能差异，但这很奇怪：
在colab中，我的本地CPU @ 1.1 GHZ优于CPU @ 2.3 GHZ。 后来进行了进一步的研究，我发现一些资源讨论了numpy和scipy依赖性，例如BLAS和ATLAS：
可以肯定的是，我在本地使用的版本与在云中使用的版本不同。
现在出现问题了，如何为项目选择正确/最快的配置？
我开始对运行的一种配置进行基准测试，再次感到惊讶！ Colab提供2种硬件加速器GPU和TPU
无（hh：mm：ss.ms）：0：03：54.237129
GPU（hh：mm：ss.ms）：0：03：47.573604
TPU（hh：mm：ss.ms）：0：03：52.045764
我本以为TPU会比GPU更好，那时候我意识到我真的不够了解，需要帮助^^
一些进一步的想法：
-我猜是因为colab使用的是intel cpus（lscpu表示intel）和gpus（？），所以intel MKL可能值得一看，但我没有参与进来，那将是一个完整的帖子
numpy.__config__.show()
提供一些有关numpy当前使用哪些依赖项的见解：pastebin
我在ext4上使用以下命令从源代码构建了libgpuarray：
!git clone https://github.com/Theano/libgpuarray.git
%cd libgpuarray
!mkdir Build
%cd Build
!cmake .. -DCMAKE_BUILD_TYPE=Release
!make
!make install
%cd ..
!python setup.py build
!python setup.py install
openBLAS：
!sudo apt-get install libopenblas-dev
然后是一些小知识：
!pip install pydot
!pip install pygame
!pip install mido
!pip install keras
最后我用以下命令运行项目：
!THEANO_FLAGS=blas.ldflags="-L/usr/lib/x86_64-linux-gnu/openblas" python2.7 train.py
那有什么步骤可以提高我的培训速度？ 如果您需要，请随时询问更多信息！
感谢阅读