时间戳

首页 > 解决方案 > AMD plaidml 与 CPU Tensorflow - 意外结果

python - AMD plaidml 与 CPU Tensorflow - 意外结果

问题描述

我目前正在运行一个简单的脚本来训练mnist数据集。

49us/sample使用以下代码通过我的 CPU 通过 Tensorflow 运行训练给了我和 3e 纪元：-

# CPU

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = tf.keras.utils.normalize(x_train, axis=1)
x_test = tf.keras.utils.normalize(x_test, axis=1)

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))

model.compile(optimizer='adam', loss="sparse_categorical_crossentropy", metrics=["accuracy"])

model.fit(x_train, y_train, epochs=3)

当我使用 via plaidml 设置通过我的 AMD Pro 580 运行数据集时，我使用以下代码在 15 秒的时期opencl_amd_radeon_pro_580_compute_engine得到以下结果249us/sample：-

# GPU

import plaidml.keras
plaidml.keras.install_backend()
import keras
from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = keras.utils.normalize(x_train, axis=1)
x_test = keras.utils.normalize(x_test, axis=1)

model = keras.models.Sequential()
model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(128, activation='relu'))
model.add(keras.layers.Dense(128, activation='relu'))
model.add(keras.layers.Dense(10, activation='softmax'))

model.compile(optimizer='adam', loss="sparse_categorical_crossentropy", metrics=["accuracy"])

model.fit(x_train, y_train, epochs=3)

我可以看到我的 CPU 在 CPU 测试中启动，而我的 GPU 在 GPU 测试中达到最大值，但我很困惑为什么 CPU 的性能比 GPU 高出 5 倍。

这应该是预期的结果吗？

我在我的代码中做错了吗？

标签： pythonpython-3.xtensorflowmachine-learningkeras

解决方案

看来我至少为 macOS/Keras/AMD GPU 设置找到了正确的解决方案。

TL;博士：

  • 不要使用 OpenCL，而是*metal使用。
  • 不要使用Tensorflow 2.0，仅使用 Keras API

以下是详细信息：

奔跑plaidml-setup并捡起金属，这很重要！

...
Multiple devices detected (You can override by setting PLAIDML_DEVICE_IDS).
Please choose a default device:

   1 : llvm_cpu.0
   2 : metal_intel(r)_uhd_graphics_630.0
   3 : metal_amd_radeon_pro_560x.0

Default device? (1,2,3)[1]:3
...

确保您保存了更改：

Save settings to /Users/alexanderegorov/.plaidml? (y,n)[y]:y
Success!

现在运行 MNIST 示例，您应该会看到如下内容：

INFO:plaidml:Opening device "metal_amd_radeon_pro_560x.0"

就是这个。我使用以下方法进行了比较plaidbench keras mobilenet：

metal_amd_radeon_pro_560x.0最快！

  • 示例完成，经过：0.435s（编译），8.057s（执行）

opencl_amd_amd_radeon_pro_560x_compute_engine.0

  • 示例完成，经过：3.197s（编译），14.620s（执行）

llvm_cpu.0

  • 示例完成，经过：3.619s（编译），47.837s（执行）

推荐阅读