Deep learning 有没有办法用cpu来估算gpu的计算时间？

我做了一个简单的深度学习模型。我的桌面上现在只有cpu。 但我必须在gpu环境下估计模型的训练时间。 我不需要精确的训练时间估计。 大概时间对我来说没问题。 是否有任何方法或度量？ 我的一个想法是比较GFLOP，但当我计算时，这也是毫无意义的

---

例如，cpu:intel e5-2686 v4，gpu:nvidia k80

您可以使用一种非常简单的方法，通过近似数据集中的并行度来估计速度（例如，如果数据集的并行度高得离谱，则可能等于数据集中的维数），假设并发实现的最佳情况下实际传输数据的开销为零，那么数学就变得简单了：

加速=#GPU上的物理工作项（通常为#中的CUDA内核） 典型nvidia实施）除以物理工作项的 在CPU上（物理内核的）

---

还有一些与不同的硬件体系结构（ISR、设计等）有关的未被考虑的差异。根据您对模型并行性、并发性实现和硬件的估计，这些类型的计算将与实际性能有很大差异。

简言之-不，这是不可能的。GPU不是“更快的CPU”，它们是不同的体系结构，可以将特定的操作速度提高20倍，而对其他操作则无能为力；内存复制实际上会使事情变得更慢。有一些经验法则，但没有“正确”的方法。