私は簡単な深い学習モデルを作った。私は今、私の机上に唯一のCPUを持っています。 しかし、gpu設定でモデルのトレーニング時間を見積もる必要があります。 正確な正確なトレーニング時間の推定は必要ありません。 おおよその時間です。 これには方法や指標がありますか？ GFLOPを比較するのが私の考えですが、計算しても意味がありません。CPUを使用してgpuの計算時間を見積もる方法はありますか？
ex。 cpu：intel e5-2686 v4、gpu：nvidia k80
データセットの並列度を近似することで、速度を見積もる非常に素朴なアプローチを使用できます（たとえば、それが不当に平行であれば、これは等しいかもしれませんあなたのデータセットの次元数）に、実際にデータを転送するゼロオーバーヘッドで並行処理の最良のケースの実装を想定し、数学は、簡単になる：通常
高速化= GPU上の物理的な作業項目の＃（ の典型的なnvidia実装のCUDAコアの数）を物理的な作業項目の数で割った数（CPUの物理コア数） 。
異なるハードウェアアーキテクチャ（ISR、デザインなど）とは関係のない相違点もあります。これらの計算は、モデルの見積もりに応じて実際の性能と大きく異なります並列性、並行性とハードウェアの実装。
で簡単にはできません。 GPUは「より高速なCPU」ではなく、これらはアーキテクチャが異なり、特定の操作を20倍高速化し、他の操作は何もしません。メモリのコピーは実際には物事をさらに遅くすることができます。いくつかの経験則がありますが、それを行う「適切な」方法はありません。 – lejlot