python - 如何减少神经网络训练时间

Question

我想训练一个 CNN 来区分猫和狗的照片。我已经准备好了一切，我的目标是将网络的准确率优化到 95% 以上。为了做到这一点，我必须使用不同的超参数来运行 CNN，在成千上万张照片上有很多层和时期。

然而，当我开始训练网络时，我需要半小时才能完成一个只有 8000 个训练和 2000 个测试图像的 64 x 64 像素的 128 个单元的全连接层。所以这意味着为了对这些参数进行 100 个 epoch，我必须等待 50 个小时！我有一个弱 GPU（intel UHD graphics 620）和一个 i7 八核 2.5GHz CPU 以及 8GB RAM。

如何加快此过程以在合理的时间内尝试不同的参数以获得有意义的结果？我可能遗漏了一些重要的东西，因为其他人报告说处理时间更短，而且我对神经网络还很陌生。

在我的 GPU 上进行计算会快多少？
考虑到我的模型，它会比 CPU 快吗？

标签： pythontensorflowkerasneural-network