运行tensorflow时,htop cpu几乎为红色,预测速度非常慢
我正在使用tensorflow来训练模型和预测,并在ubuntu上使用htop来监控cpu使用情况。预测很慢,我就是受不了。htop显示cpu颜色几乎为红色,这意味着几乎所有cpu资源都被系统内核线程使用,但在tensorflow启动之前,cpu使用率为0%。运行tensorflow时,htop cpu几乎为红色,预测速度非常慢,tensorflow,Tensorflow,我正在使用tensorflow来训练模型和预测,并在ubuntu上使用htop来监控cpu使用情况。预测很慢,我就是受不了。htop显示cpu颜色几乎为红色,这意味着几乎所有cpu资源都被系统内核线程使用,但在tensorflow启动之前,cpu使用率为0%。 我没有更改线程数,我在ubuntu14.04上使用tensorflow v0.11。问题是默认的glibc malloc对于小的分配是无效的。此外,由于谷歌在内部使用tcmalloc开发/测试tensorflow,因此无法解决与常规mal
我没有更改线程数,我在ubuntu14.04上使用tensorflow v0.11。问题是默认的glibc malloc对于小的分配是无效的。此外,由于谷歌在内部使用tcmalloc开发/测试tensorflow,因此无法解决与常规malloc的不良交互。解决方案是使用tcmalloc运行TensorFlow
sudo apt-get install google-perftools
export LD_PRELOAD="/usr/lib/libtcmalloc.so.4"
python ...
问题是默认的glibc-malloc对于小的分配是无效的。此外,由于谷歌在内部使用tcmalloc开发/测试tensorflow,因此无法解决与常规malloc的不良交互。解决方案是使用tcmalloc运行TensorFlow
sudo apt-get install google-perftools
export LD_PRELOAD="/usr/lib/libtcmalloc.so.4"
python ...
也许试试tcmalloc?这样可以提供更高效的内存分配--我试试看。有时cpu颜色几乎是绿色,但大多数时候颜色几乎是红色。有时在我杀死bazel进程后,cpu的颜色又几乎变绿了。@YaroslavBulatov tcmalloc真的很有效,谢谢!也许试试tcmalloc?这样可以提供更高效的内存分配--我试试看。有时cpu颜色几乎是绿色,但大多数时候颜色几乎是红色。有时在我杀死bazel进程后,cpu的颜色又几乎变绿了。@YaroslavBulatov tcmalloc真的很有效,谢谢!不幸的是,这个答案过时了吗?不幸的是,这个答案过时了吗?