cpu和gpu哪个算力强,科学计算用cpu还是gpu
系列文章从零点一开始对机器学习的模糊概念进行分类。
从零点一开始在Win10 64位机器学习下安装Cuda Cudnn。
从零点一开始机器学习的GPU计算性能和CPU性能对比(GPU计算表)
TF1.0的机器学习版本HDF5从零点一转换为saved_model。
从零点一开始机器学习的HDF5模型发布到tensorflow/serving。
Python中的Tensorflow导入使用错误集合
在Win10 64位机器学习下安装Cuda Cudnn的文章中,我们已经简要说明了gpu在机器学习上优于cpu,但是差距到底有多大呢?刚开始的同学没有直观的认识(主要是我自己也没有直观的认识)。在这里记录一下吧。
让我们用同样简单的基于VGG16的图像分类代码进行比较。如有误导或理解不当,请指正。谢谢大家!虽然服务器有点旧,但还是能看出问题!
图片分为三类,每类约3800张,batch_size为25(最好是2的幂)。
服务器-服务器配置
选择epoch5-15查看计算时间。
为CPU 2服务器配置选择epoch5-15以检查计算时间。
GPU-服务器配置
为显卡规格选择epoch5-15以检查计算时间。
用gpu计算时,观察到cpu也有40%左右的占用率。不是说用gpu计算很容易吗?应该是cpu还做了一些TensorFlow的其他计算。
可以看到,一个6.1计算能力的1050卡,基本上是一个8核E5cpu的10倍性能。
-后记里还有个GT730卡,安装环境花了不少时间。运行后它居然告诉我计算能力只有3.5,cuda最低要求是3.7。新手同学可以检查一下显卡的计算能力,以免浪费时间长时间安装环境!Cuda计算能力3.5。最低要求的Cuda能力为3.7 .
GPU功率表https://developer.nvidia.com/cuda-gpus
在此插入图片描述。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。