tensorflow框架 为什么tensorflow训练用GPU比CPU更慢了？
为什么tensorflow训练用GPU比CPU更慢了？
最重要的因素可能是GPU的利用率不足。例如，我的机器运行时尚MNIST，GPU的利用率只有3%左右，而且GPU的速度是CPU的两倍。
Keras还是TensorFlow，程序员该如何选择深度学习框架？
如果您想用少量代码尽快构建和测试神经网络，keras是最快的，而且顺序API和模型非常强大。而且keras的设计非常人性化。以数据输入和输出为例，与keras的简单操作相比，tensorflow编译码的构造过程非常复杂（尤其对于初学者来说，大量的记忆过程非常痛苦）。此外，keras将模块化作为设计原则之一，用户可以根据自己的需求进行组合。如果你只是想快速建立通用模型来实现你的想法，keras可以是第一选择。
但是，包装后，keras将变得非常不灵活，其速度相对较慢。如果高度包装，上述缺点将更加明显。除了一些对速度要求较低的工业应用外，由于tensorflow的速度较高，因此会选择tensorflow
如果您在验证您的想法时，想定义损失函数而不是使用现有的设置，与keras相比，tensorflow提供了更大的个性空间。此外，对神经网络的控制程度将在很大程度上决定对网络的理解和优化，而keras提供的权限很少。相反，tensorflow提供了更多的控制权，比如是否训练其中一个变量、操作梯度（以获得训练进度）等等。
尽管它们都提供了深度学习模型通常需要的功能，但如果用户仍然追求一些高阶功能选择，例如研究特殊类型的模型，则需要tensorflow。例如，如果您想加快计算速度，可以使用tensorflow的thread函数来实现与多个线程的相同会话。此外，它还提供了调试器功能，有助于推断错误和加快操作速度。
如何学习tensorflow？
Tensorflow是由Google开发的人工智能框架。现在它有了一个中国官方网站和社区。你可以仿效官网学习。如果不懂，可以去tensorflow社区查看，或者提问，当然GitHub在这方面也有很多知识，可以学习借鉴。如果没有GPU，你可以使用Google的colab，免费的GPU
使用tensorflow识别需要大量的学习，你需要准备大量的学习资源。我觉得得不偿失。对于汉字的识别，可以直接调用第三方接口，方便多了。如果你只是想学习tensorflow，你可以去GitHub找到相关的资料。有许多开源学习材料供您选择。
此外，吴恩达的课程也在他的官方网站上开放，可以直接学习。你也可以记下他的官方账号，每周更新相关课程。
tensorflow框架 tensorflow怎么训练模型 多gpu并行训练
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
