tensorflow - 为什么 2070 Max-Q 训练神经网络的时间比 GTX 960m 长?
问题描述
我有两台笔记本电脑,都装有 Windows 10,用于工作:
- 微星 GE70:i7 4720、12 GB 内存、GTX 960m 2GB、258 GB 固态硬盘。
- 戴尔 G7:i7 9750、32 GB 内存、RTX 2070 Max-Q 8Gb、500 GB SSD。
在官方 TensorFlow 页面之后,我在两台笔记本电脑上都进行了 TensorFlow 的“镜像”安装。
在两台笔记本电脑中,我都安装了 Python 3.6.8、TensorFlow 2.2、CUDA 10.1、cuDNN 7.6 和 456.71 Nvidia 驱动程序版本。当我在 CMD 中运行以下行时,我可以看到两个 GPU 对 TensorFlow 都是可见的并且可以使用。
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))
然后,当我在两台笔记本电脑上训练相同的神经网络时,我可以看到 MSI 每个 epoch 需要 7 分钟,而 Dell G7 每个 epoch 需要将近 1 小时。为什么与 960m 相比,GPU 2070 Max-Q 训练神经网络需要更长的时间?戴尔 G7 有一些我看不到的问题?
这是NN的结构:
modelo=Sequential()
modelo.add(Bidirectional(LSTM(units=na, return_sequences=True),input_shape=dim_entrada))
modelo.add(Dropout(0.25))
modelo.add(Bidirectional(LSTM(units=na)))
modelo.add(Dropout(0.25))
modelo.add(Dense(units=3))
opt = tf.optimizers.Adam(learning_rate=0.0015)
modelo.compile(optimizer=opt, loss='mse', metrics=['accuracy'])
modelo.fit(X_train,Y_train,epochs=20,batch_size=32,validation_data=(X_validacion_imu12,Y_validacion_vi12))
解决方案
我发现了问题。我不知道为什么,但戴尔 G7 必须插上电源。我认为这是一个电源选项,如果未插入 GPU,它会阻止使用它。
推荐阅读
- credentials - Rails 6+:Rails 读取 SECRET_KEY_BASE 的顺序(env var 与 credentials.yml.enc)
- google-sheets - 谷歌工作表查询范围重置为 A:A
- excel - 选择“保存”时如何使宏运行?
- javascript - 如何为电子邮件进行 jQuery 域验证?
- python - 在 Python 中处理可以 str 或 list 的函数参数
- java - 在文本视图中设置文本
- reactjs - 使用 React-Router 时是否可以抽象 Link 声明?
- python - 向数据框添加词性列
- blazor-server-side - 是否可能:使用 Blazor 服务器端作为客户端应用程序
- teamcity - TeamCity 的子版本中未更新相关参数