我们正在测试各种估计器，例如LinearEstimator，DNNClassifier等。目前，我们仅限于使用CPU进行训练，并且我们正在测试参数和杠杆，例如
结果：每秒全局步数* batch_size约为20〜50
因此，我们通过Tensorboard每秒获得的全局步数* bucket_size约为20〜50，并且CPU和内存的增加有其局限性。
我们看到与Optimizer及其配置有关的类似结果。
我们在做错什么，还有其他可以利用的杠杆吗？您可以优化模型训练方法的数量是否有限制，我们应该继续使用GPU并利用其矩阵乘法效率吗？
答案 0 :(得分：0)
您可以尝试使用Dataset API优化输入管道。考虑将您的数据转换为tfrecords，它可以带来实质性的改进。如果有多个CPU，则可以设置集群。但这全都取决于您拥有什么数据。看看