在 Windows 10 上使用 CPU 在 Keras 之上运行 tensorflow答案

【问题标题】：Running tensorflow on top of Keras with CPU on Windows 10在 Windows 10 上使用 CPU 在 Keras 之上运行 tensorflow
【发布时间】：2017-12-14 10:35:06
【问题描述】：

我已经在 Windows 10 上安装了 Tensorflow 和 Keras，并安装了 Anaconda。我使用的是 Intel i7 处理器。训练 CSV 文件的 4000 个数据样本需要 40 分钟，我正在尝试对这些数据执行 LSTM RNN 预测分析。

这是使用 CPU 的预期编译时间吗？我们可以使用 cpu 或切换到 GPU 来提高速度吗？

【问题讨论】：

数据文件有多大？你能发布你的代码吗？
它的 139kb 和我按照下面的 url machinelearningmastery.com/… 采用了相同的技术
LSTM 因其训练时间慢而臭名昭著，并且根据您的特定 LSTM 结构，它们往往会涉及很多元素，因此图形编译也可能需要一些时间（不过，对于任何真正的训练，训练时间将比图形编译要长得多）。是的，在 GPU 上进行训练会让事情变得更快。您可能还可以采取一些措施使其在 CPU 上更快。
如果您必须使用 CPU，那么一件事就是使用标志在本地构建 TensorFlow，以启用 CPU 的所有额外功能。我用基于 SSE 的浮点数学、SSE4.2、AVX 和 FMA4 编译了我的。它确实显着加快了我的训练时间，您的结果可能会有所不同。

标签： python-3.x machine-learning tensorflow neural-network lstm

【解决方案1】：

是的，当您仅使用 CPU 进行训练时，这似乎是您的代码运行的合理时间。如果您使用 NVIDIA GPU，它将运行得更快。

但是，您可能不会使用 CPU 上的每个内核；如果是，它可能会运行得更快。您可以通过运行来更改 Tensorflow 使用的线程数

sess = tf.Session(config=tf.ConfigProto(intra_op_parallelism_threads=NUM_THREADS))

如果您设置的线程数等于您的 CPU 提供的线程数，它应该会运行得更快。

【讨论】：

非常感谢您的及时回复，所以我应该在开始编译之前将这段代码添加到我的代码中吗？
是的，这是我的建议。基本上，当您创建 tf.Session 变量时，调整配置以包含 intra_op_parallelism_threads=NUM_THREADS 行。如果您发布代码，我可以帮助您。
由于某种原因，我无法发布我的完整代码，但如果您参考此链接，我在 cmets 部分之前使用了相同的代码 machinelearningmastery.com/…
并且我使用英特尔酷睿 i7 6600U CPU @2.60 GHz 2.81GHz
当然非常感谢您的帮助，无论如何，因为我使用 Keras，我不需要专门设置这个线程，因为它自己照顾，我减少了 epochs 的数量，可能是模型似乎是过拟合，在减少 epoch 数后效果很好。再次感谢您的帮助:)