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？