文章目錄

• 前言
• 一、導入環境
• 二、定義函數
• 三、測試

---

前言

這里運用一個自定義大小的矩陣數據計算，來測試gpu與cpu運算時間的對比。

---

以下為實現方法

一、導入環境

示例：pandas 是基于NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。

#設置顯卡內存使用率，根據使用率占用 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

#創建在cpu環境上運算的兩個矩陣 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)#創建在gpu環境上運算的兩個矩陣 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運算時間with tf.device('/cpu:0'):c = tf.matmul(cpu_a,cpu_b)return c def gpu_run(): #cpu運算時間with tf.device('/gpu:0'):c = tf.matmul(gpu_a,gpu_b)return c

三、測試

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

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。