TensorFlow GPU比CPU更慢
CPU: i7-4710HQ
显卡：GTX850m
内存：8G
操作系统：Win10
装了 CUDA8.0，cuDNN6.0，tensorflow-gpu-1.4.0
配置了必要的PATH环境变量之外没做其它配置了。
用同样的TensorFlow代码跑同一个BPNN，用CPU只花了32秒完成，用GPU却执行了140+秒。
为什么我的TensorFlow加了GPU优化之后反而更慢了？
是不是我参数没配置好？
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
第二天上网Google了一番，有的说是可能网络太小，效率瓶颈卡在了CPU与GPU数据传输上。
对此我做了一波实验，原来的BPNN只有双隐层，节点数分别是15,5，我把改成了4隐层，每层节点数都是2000之后，对单次训练进行了时间统计。
实验出来这时GPU单次训练只花了30~50 ms左右，而CPU的平均耗时是500ms，由此可以断定一个结论：
网络结构比较小的时候，效率瓶颈在CPU与GPU数据传输，这个时候只用cpu会更快。
网络结构比较庞大的时候，gpu的提速就比较明显了。