0
ディープ・ラーニング・モデルにTensorflow（CPU版）を使用していました。具体的には、与えられたパラメータ（ネットワーク構造、隠れた層、アルファなど）を使用して、トレーニングにDNNRegressor Estimatorを使用しました。私は損失を減らすことができましたが、モデルは学習に非常に長い時間（約3日間）を要しました。 100ステップごとに9秒であった。TensorFlow EstimatorのGPUを最大限に活用するにはどうすればいいですか？
私はこの記事accrossに来た： - https://medium.com/towards-data-science/how-to-traine-tensorflow-models-79426dabd304 とGPUのは、学ぶために、より速くできることを見出しました。だから、AWS（シングルコアGPU）
から4（vCPU）、12（ECU）、61（MiB）のp2.xlarge GPUを使いました。
しかし、学習率は100ステップごとに9秒で同じです。 Estimatorsが独自にGPUを使用していることを読んでいるので、CPU上のEstimatorで使用したのと同じコードを使用しています。ここに私の「nvidia-smi」コマンド出力があります。 
- GPUのメモリが使用されていることを示しているが、私の揮発性GPU-Utilのは1％です。私が逃しているものは分かりません。同じように動作するように設計されているのか、何かが欠落しています。なぜなら、毎秒のグローバルステップ数はEstimatorのCPUとGPUの実装で同じであるからです。
- DNNRegressor Estimatorコードで明示的に何かを変更する必要がありますか？
テンソルフローの開始に時間がかかります。プロセスをチェックした時間はどれくらいですか？ – Kev1n91
@ kev1n91この時間はすべてのステップで一定です。だから、このような多くの時間が使われています。 – user3457384
GPUが低速CPU操作を待っているように見えます。あなたはどのようにデータをフィードしていますか？ – Maxim