Python 与使用Theano的CPU相比，使用Theano的GPU的效果较差

我正在做这个教程：

本教程的解决方案如下所示：

但我的问题是当我运行代码时

使用GPU：

THEANO_FLAGS=mode=FAST_RUN,device=gpu time python using_gpu_solution_1.py

我得到了以下输出：

Using gpu device 0: Tesla C2050 / C2070
Used the gpu
13.37user 3.69system 0:16.49elapsed 103%CPU (0avgtext+0avgdata 617376maxresident)k
0inputs+16outputs (0major+75442minor)pagefaults 0swaps

Used the cpu
6.85user 14.50system 0:04.43elapsed 481%CPU (0avgtext+0avgdata 241120maxresident)k
0inputs+16outputs (0major+43904minor)pagefaults 0swaps

使用CPU时：

THEANO_FLAGS=mode=FAST_RUN,device=cpu time python using_gpu_solution_1.py

我得到了以下输出：

Using gpu device 0: Tesla C2050 / C2070
Used the gpu
13.37user 3.69system 0:16.49elapsed 103%CPU (0avgtext+0avgdata 617376maxresident)k
0inputs+16outputs (0major+75442minor)pagefaults 0swaps

Used the cpu
6.85user 14.50system 0:04.43elapsed 481%CPU (0avgtext+0avgdata 241120maxresident)k
0inputs+16outputs (0major+43904minor)pagefaults 0swaps

在这篇文章中，他们提到GPU的速度几乎提高了一倍。 但我用GPU得到的时间比CPU多

是因为代码在CPU的多核上运行，并且比GPU有了改进吗

谁能告诉我我做错了什么？ 我唯一能看到的是使用GPU在系统时间上的改进。 这就是他们所说的加速吗？由于GPU的总运行时间更长。

有一个问题（1）和考虑事项（2-3）：

1） 你没有正确地计时。时间的方式包括theano编译时间。Theano编译不包括在配置文件中。您应该只计算花费在函数内部的时间。为此，请修改配置文件中使用Theano profiler的脚本

2） 这是一个玩具的例子。它做纯随机梯度下降（SGD）。为了从GPU获得良好的速度，我们需要使用带有SGD的minibatch。如果我们不这样做，GPU就没有足够的数据来并行计算

3） 由于这是一个只有一个小模型的玩具示例，因此速度会因所使用的CPU和GPU而发生很大变化。这可能是因为您使用了比原来更好的CPU进行计时，或者您使用了并行BLAS进行计时。

关于这一点，有一个问题（1）和考虑（2-3）：

1） 你没有正确地计时。时间的方式包括theano编译时间。Theano编译不包括在配置文件中。您应该只计算花费在函数内部的时间。为此，请修改配置文件中使用Theano profiler的脚本

2） 这是一个玩具的例子。它做纯随机梯度下降（SGD）。为了从GPU获得良好的速度，我们需要使用带有SGD的minibatch。如果我们不这样做，GPU就没有足够的数据来并行计算

3） 由于这是一个只有一个小模型的玩具示例，因此速度会因所使用的CPU和GPU而发生很大变化。这可能是因为您使用了比原来更好的CPU进行计时，或者您使用了并行BLAS进行计时。

关于这一点，有一个问题（1）和考虑（2-3）：

1） 你没有正确地计时。时间的方式包括theano编译时间。Theano编译不包括在配置文件中。您应该只计算花费在函数内部的时间。为此，请修改配置文件中使用Theano profiler的脚本

2） 这是一个玩具的例子。它做纯随机梯度下降（SGD）。为了从GPU获得良好的速度，我们需要使用带有SGD的minibatch。如果我们不这样做，GPU就没有足够的数据来并行计算

3） 由于这是一个只有一个小模型的玩具示例，因此速度会因所使用的CPU和GPU而发生很大变化。这可能是因为您使用了比原来更好的CPU进行计时，或者您使用了并行BLAS进行计时。

关于这一点，有一个问题（1）和考虑（2-3）：

1） 你没有正确地计时。时间的方式包括theano编译时间。Theano编译不包括在配置文件中。您应该只计算花费在函数内部的时间。为此，请修改配置文件中使用Theano profiler的脚本

2） 这是一个玩具的例子。它做纯随机梯度下降（SGD）。为了从GPU获得良好的速度，我们需要使用带有SGD的minibatch。如果我们不这样做，GPU就没有足够的数据来并行计算

3） 由于这是一个只有一个小模型的玩具示例，因此速度会因所使用的CPU和GPU而发生很大变化。这可能是因为你在一个比原来更好的CPU上进行计时，或者你是用一个并行BLAS进行计时的