Nano Hash - криптовалюты, майнинг, программирование

Как я могу определить скорость моего Tensorflow на моем графическом процессоре?

Я только что начал с Tensorflow (версия 2.3.0) и установил его на свой графический процессор (в виртуальной среде с использованием Python 3.5). Кажется, это работает нормально. Я использую nvidia geforce 1060 с Windows 10.
Теперь мой вопрос: как определить скорость работы моего тензорного потока. Я нашел этот тест: тест скорости для тестирования установки тензорного потока, но мне кажется old для работы с моими версиями. Есть ли что-то подобное для tensorflow 2? И как мне его запустить? Я хотел бы сравнить его с другим компьютером, чтобы узнать, какой из них намного быстрее.

Ваше здоровье

PS: Если я могу улучшить свой пост, просто позвольте мне сейчас.

python-3.x python tensorflow tensorflow2.0 performance
09.09.2020

  • Да, я уже ответил на вопрос, но могу отметить его как решенный через два дня. 09.09.2020

Ответы:


1

Я не знаю, есть ли официальные тесты tensorflow, но в репозитории моделей TensorFlow есть несколько официальных моделей, работающих с TensorFlow 2, которые можно использовать для обучения (например, MNIST) и сравнения скорости обучения на двух машинах.

Или вы можете воспользоваться одним из учебников, чтобы внедрить и протестировать скорость небольшой сети.

09.09.2020
  • да, конечно, это сработает, но я больше хотел найти эталонный тест, а не только одну тренировку модели на двух машинах. 09.09.2020

    • 2

    Я смог найти полный ответ в другом сообщении, которое я не нашел ранее:

    Каков правильный способ эталонная часть графа тензорного потока?

    09.09.2020
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..