TensorFlow-GPU加速仅用于训练?
将GPU加速与TensorFlow结合使用是否只会提高模型训练的速度,或者在数据上使用模型时是否也有助于提高速度。TensorFlow-GPU加速仅用于训练?,tensorflow,gpu,nvidia,Tensorflow,Gpu,Nvidia,将GPU加速与TensorFlow结合使用是否只会提高模型训练的速度,或者在数据上使用模型时是否也有助于提高速度。 大多数指南只提到将GPU加速用于培训目的。 它是否也适用于任何一种情况?甚至那些都是通过shell脚本运行的? 此外,默认情况下,它会在shell脚本上运行,还是需要显式编码才能工作。它将同时适用于两者,是的,即使在不进行培训的情况下,它也会加快使用模型的速度(除非模型非常简单,并且将其放在GPU上的开销超过性能成本。)我确实认为使用GPU对于评估模型来说是不必要的。当经常
大多数指南只提到将GPU加速用于培训目的。
它是否也适用于任何一种情况?甚至那些都是通过shell脚本运行的?
此外,默认情况下,它会在shell脚本上运行,还是需要显式编码才能工作。它将同时适用于两者,是的,即使在不进行培训的情况下,它也会加快使用模型的速度(除非模型非常简单,并且将其放在GPU上的开销超过性能成本。)我确实认为使用GPU对于评估模型来说是不必要的。当经常进行训练时,数据被批处理在一起,以便每个训练步骤包含模型的多个运行。此外,还需要计算梯度,这会占用大量的计算时间和内存。重量也需要在训练期间更新。因此,简单的向前传球速度要快得多。我真的认为如果你需要同时做一大堆的向前传球,你会看到一个好处 至于通过shell脚本运行tensorflow模型,我假设如果它们在GPU上训练,它们也会在GPU上运行