Python 3.x CPU和;GPU&;Colab中TPU的使用

Python 3.x CPU和;GPU&;Colab中TPU的使用,python-3.x,google-colaboratory,tensorflow2.0,Python 3.x,Google Colaboratory,Tensorflow2.0,我在Google Colab中执行一些预处理问题,大约需要14分钟的CPU运行时间。但当我切换到GPU或TPU时,运行时间不会改变,尽管它显示: 在以下位置找到TPU:grpc://10.113.22.130:8470 是否有任何具体的方法可以利用TPU的资源来缩短运行时间?如果您想要在Colab中实际使用GPU/TPU,那么您通常需要添加额外的代码(运行时不会自动检测硬件,至少对于TPU) 是一个利用TPU可以遵循的Colab示例。然而,我会注意到,不管是在CPU上还是在GPU上运行,数据预处

我在Google Colab中执行一些预处理问题,大约需要14分钟的CPU运行时间。但当我切换到GPU或TPU时,运行时间不会改变,尽管它显示:

在以下位置找到TPU:grpc://10.113.22.130:8470


是否有任何具体的方法可以利用TPU的资源来缩短运行时间?

如果您想要在Colab中实际使用GPU/TPU,那么您通常需要添加额外的代码(运行时不会自动检测硬件,至少对于TPU)

是一个利用TPU可以遵循的Colab示例。然而,我会注意到,不管是在CPU上还是在GPU上运行,数据预处理通常都在CPU上运行,当您加速实际训练时,加速器的魔力开始发挥作用


如果要加快预处理速度,最佳做法是使用
tf.data
。您可以了解更多关于如何使用TF数据来提高性能的信息。

您是否对代码进行了任何更改以利用GPU或TPU?遗憾的是,没有。