Question benchmark de vitesse pour tester l'installation du tensorflow


Je doute que le tensorflow soit correctement configuré sur ma boîte GPU, car il est environ 100 fois plus lent par itération pour former un modèle de régression linéaire simple (batchsize = 3200 entrées, 150 variables de sortie) sur ma machine gpu sophistiquée que sur mon portable .

J'utilise un Titan X, avec un processeur moderne, etc. nvidia-smi dit que je n'utilise que 10% de GPU, mais je pense que c'est à cause de la petite taille des lots. Je n'utilise pas un feed_dict pour déplacer les données dans le graphe de calcul. Tout arrive via un tf.decode_csv et un tf.train.shuffle_batch.

Quelqu'un at-il des recommandations sur la façon de tester facilement si mon installation est correcte? Y a-t-il des repères de vitesse simples? La différence de vitesse entre mon ordinateur portable et la machine GPU est tellement dramatique que je m'attends à ce que les choses ne soient pas correctement configurées.


12
2018-02-29 15:24


origine


Réponses:


Essayer tensorflow/tensorflow/models/image/mnist/convolutional.py, cela imprimera le timing par étape.

Sur Tesla K40c, ça devrait se passer 16 ms par pas, alors que sur environ 120 ms pour CPU uniquement sur ma machine de 3 ans


12
2018-02-29 21:40



Extension de Yaroslavs: Voici comment faire tout le processus de test (CUDA et cudNN déjà installés)

git clone https://github.com/tensorflow/models.git

Créer un environnement virtuel pour tensorflow et installer tensorflow

virtualenv --system-site-packages -p python3 tf-venv3
source tf-venv3/bin/activate
pip install --upgrade pip
pip install --upgrade tensorflow-gpu

Exécutez le modèle dans votre environnement virtuel

python models/tutorials/image/mnist/convolutional.py 

Mon GTX 1070 a besoin de ~ 5 ms par pas

Remarque: Sur Geforce 1050 Ti, il faut environ 10 ms par pas enter image description here


10
2018-06-02 11:14