在https://colab.research.google.com/notebooks/gpu.ipynb中,我假设这是Google进行GPU加速的官方演示,如果按照这些步骤操作,则使用Tensorflow 2.x进行GPU加速(大约是CPU速度的60倍)。作品。但是,如果我想使用https://colab.research.google.com/drive/12dduH7y0GPztxSM0AFlfpjj8FU5x8YSv中的1.15版本(与第一个链接相比,笔记本的唯一变化是两次都摆脱了“%tensorflow_version 2.x”),tf.test.gpu_device_name()
返回字符串/device:GPU:0
,但没有加速。我真的很想在1.5和1.15之间使用Tensorflow版本,因为我要运行的代码使用了Tensorflow 2.x中删除的功能。有谁知道如何在仍然加快GPU速度的同时使用Tensorflow 1.x?
答案 0 :(得分:1)
在笔记本中,由于您未调用session.run()
或tf.enable_eager_execution()
,因此实际上并未执行代码。
在代码顶部添加tf.enable_eager_execution()
,您将看到cpu时间和gpu时间之间的真正差异。