Windows 10にTensorflowとKerasをAnacondaインストールでインストールしました。私はIntel i7プロセッサを使用しています。 CSVファイルの4000データサンプルをトレーニングするのに40分かかり、このデータに対してLSTM RNN予測分析を実行しようとしています。Windows 10のCPUを搭載したKeras上でテンソルフローを実行
これはCPUを使用して予想されるコンパイル時間ですか？ CPUを使用してGPUに切り替えたり、GPUに切り替えたりすることで高速化できますか？
はい、これは、CPUのみを使用してトレーニングしているときにコードを実行するのに妥当な時間のようです。 NVIDIA GPUを使用した方がはるかに高速です。
ただし、CPUのすべてのコアを使用しているわけではありません。もしあなたがそうであれば、より速く走るかもしれません。あなたは、あなたのCPUによって提供されるものと同じスレッド数を設定した場合、それはより速く実行する必要があります
sess = tf.Session(config=tf.ConfigProto(intra_op_parallelism_threads=NUM_THREADS))
を実行することにより、Tensorflowが使用するスレッドの数を変更することができます。
私はコンパイルを開始する前に、私のコードでこのコードを追加する必要がありますので、あなたの迅速な応答のためにたくさんありがとう？ –
はい、それは私の提案です。基本的に、 'tf.Session'変数を作成するときは、' intra_op_parallelism_threads = NUM_THREADS'行を含むように設定を調整してください。コードを投稿すると、私はそれを手伝うことができます。 – finbarr
何らかの理由で私は完全なコードを投稿できませんが、このリンクを参照すると、私は同じコードを使いました。http://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/コメントセクションの前に –
データファイルのサイズはどのくらいですか？コードを投稿できますか？ – finbarr
その139kbと私は以下のURLと同じテクニックに従いましたhttp://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/ –
LSTMは遅いトレーニング時間で有名です。あなたの特定のLSTM構造に応じて多くの要素が含まれがちですので、グラフのコンパイルにも時間がかかることがあります（実際のトレーニングでは、グラフのコンパイルよりもかなり長い時間がかかります）。 はい、GPUでトレーニングすると作業が大幅に高速化します。おそらく、CPU上で高速化するためにできることはいくつかあります。 –