文章目錄

• 前言
• 一、導(dǎo)入環(huán)境
• 二、定義函數(shù)
• 三、測(cè)試

---

前言

這里運(yùn)用一個(gè)自定義大小的矩陣數(shù)據(jù)計(jì)算，來(lái)測(cè)試gpu與cpu運(yùn)算時(shí)間的對(duì)比。

---

以下為實(shí)現(xiàn)方法

一、導(dǎo)入環(huán)境

示例：pandas 是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。

#設(shè)置顯卡內(nèi)存使用率，根據(jù)使用率占用 import os os.environ["TF_FORCE_GPU_ALLOW_GROWTH"] = "true" import tensorflow as tf print('Tensorflow:{}'.format(tf.__version__)) import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline import timeit as timeit

二、定義函數(shù)

#創(chuàng)建在cpu環(huán)境上運(yùn)算的兩個(gè)矩陣 n=100 with tf.device('/cpu:0'):cpu_a = tf.random.normal([1,n])cpu_b = tf.random.normal([n,1])print(cpu_a.device,cpu_b.device)#創(chuàng)建在gpu環(huán)境上運(yùn)算的兩個(gè)矩陣 with tf.device('/gpu:0'):gpu_a = tf.random.normal([1,n])gpu_b = tf.random.normal([n,1])print(gpu_a.device,gpu_b.device)def cpu_run(): #cpu運(yùn)算時(shí)間with tf.device('/cpu:0'):c = tf.matmul(cpu_a,cpu_b)return c def gpu_run(): #cpu運(yùn)算時(shí)間with tf.device('/gpu:0'):c = tf.matmul(gpu_a,gpu_b)return c

三、測(cè)試

# 第一次計(jì)算需要熱身，避免將初始化時(shí)間結(jié)算在內(nèi) cpu_time = timeit.timeit(cpu_run,number=10) gpu_time = timeit.timeit(gpu_run,number=10) print('warmup:',cpu_time,gpu_time)#正式計(jì)算十次，取平均時(shí)間 cpu_time = timeit.timeit(cpu_run,number=10) gpu_time = timeit.timeit(gpu_run,number=10) print('run_time:',cpu_time,gpu_time)

總結(jié)

以上是生活随笔為你收集整理的tensorflow2.0的cpu与gpu运行时间对比的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。