【学习|深度学习中(使用GPU和CPU的区别)】深度学习框架:Tensorflow
显卡型号:GTX 1060
CPU型号:i5-8300H
深度学习:使用GPU和CPU的区别
- 前言
- 代码
- 结果
- 总结
前言 ??这几天在做深度学习,想看看为什么 GPU 比 CPU 更适合做深度学习,于是简单的让 GPU 和 CPU 分别做矩阵的乘法运算看看运行情况。
代码 代码如下:
import tensorflow as tf
import timeit
import numpy as np
import matplotlib.pyplot as plt
# 以矩阵A[1,n]和矩阵B[n,1]的乘法运算(分别在cpu和gpu上运行)来测试:
def cpu_run(num):
with tf.device('/cpu:0'):#指定操作:用cpu计算
cpu_a=tf.random.normal([1,num])
cpu_b=tf.random.normal([num,1])
c=tf.matmul(cpu_a,cpu_b)#矩阵乘法,此操作采用cpu计算
return cdef gpu_run(num):
with tf.device('/gpu:0'):#指定操作:用gpu计算
gpu_a=tf.random.normal([1,num])
gpu_b=tf.random.normal([num,1])
c=tf.matmul(gpu_a,gpu_b)#矩阵乘法,此操作采用gpu计算
return c
k=10
m=7
cpu_result=np.arange(m,dtype=np.float32)
gpu_result=np.arange(m,dtype=np.float32)
x_time=np.arange(m)
for i in range(m):
k=k*10
x_time[i]=k
cpu_str='cpu_run('+str(k)+')'
gpu_str='gpu_run('+str(k)+')'
#print(cpu_str)
cpu_time=timeit.timeit(cpu_str,'from __main__ import cpu_run',number=10)
gpu_time=timeit.timeit(gpu_str,'from __main__ import gpu_run',number=10)
# 正式计算10次,取平均时间
cpu_time=timeit.timeit(cpu_str,'from __main__ import cpu_run',number=10)
gpu_time=timeit.timeit(gpu_str,'from __main__ import gpu_run',number=10)
cpu_result[i]=cpu_time
gpu_result[i]=gpu_timeprint(cpu_result)
print(gpu_result)fig, ax = plt.subplots()
ax.set_xscale("log")
ax.set_adjustable("datalim")
ax.plot(x_time,cpu_result,color='#005FDD', alpha=0.8, linewidth=1, label='C P U')
ax.plot(x_time,gpu_result,color='#47AC3A', alpha=0.8, linewidth=1, label='G P U')
ax.grid()
plt.legend(loc="upper right")
plt.title("CPU和GPU运行对比")
plt.xlabel('计算量')
plt.ylabel('时间')
plt.draw()
plt.show()
结果 结果如下:
文章图片
总结 结论:
- 1、在计算量较小的情况下,cpu的计算速度和gpu差不多,微量级别的差异
- 2、随着计算量的增加,cpu的计算时间逐步增加,而gpu的计算时间相对平缓,在计算量达到一定程度之后,gpu的优势就出来了。
推荐阅读
- 开发|wsl2使用GPU进行深度学习
- 深度学习|深度学习(GPU云服务器的租用)
- 深度学习|为什么深度学习(Deep Learning)要使用GPU而不是CPU()
- 程序员面试那些事儿|双非硕士的辛酸求职回忆录(第 1 篇 一份让面试官满意的简历究竟要做到什么)
- TypeScript学习|TypeScript学习笔记十二(条件类型、内置条件类型)
- 强化学习|[强化学习实战]出租车调度-Q learning & SARSA
- 机器学习|【机器学习】为什么进行特征筛选时前要先用相关性筛一遍再进行降维()
- python自制小卷子(数学测试)
- 机器学习|pytorch查看网络架构的几种方法