python - 如何减少神经网络训练时间
问题描述
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?
解决方案
推荐阅读
- php - 使用 certbot 安装 ssl 证书时如何解决未经授权的错误?
- html - 树形图 - 将最后一个孩子移动到 html/css 中的一级
- java - 为什么我在使用休眠时总是遇到同样的错误:ORA-00979:不是 GROUP BY 表达式?
- javascript - 传递给其他刀片后,我的 id 值未从第一个数字中读取数字 0
- css - 如何创建自定义样式的键盘快捷键
- javascript - 通过在 Elasticsearch 中优先考虑索引来查询多个索引?
- web-services - 如何才能实现松耦合“面向服务的架构”(SOA)?解释使用合适的解决方案
- javascript - 是否可以从 Redux 存储中检索特定评论评论的状态
- javascript - 将二进制数据传输到服务器时出错
- c# - 覆盖率问题:noescape:资源数据视图未关闭或保存在 Table.get 中