tensorflow在各種環境下搭建與對比
阿新 • • 發佈:2018-10-26
ont 筆記 適合 神經網絡 otto 初學 相關 right pychar
tensorflow在各種環境下搭建與對比
由於有些訓練是要長時間進行訓練(幾天),才能看出顯著的結果,如果只是通過本地的計算機進行訓練是不可能的。因此這周花了一些時間調研如何才能讓神經網絡長時間的進行運行,為以後訓練網絡提供可靠的運行環境。
Tensorflow部署的地方 | 優點 | 缺點 |
本地筆記本CPU版本的tensorflow | (1)安裝相對本地的GPU版本的tensorflow容易 (2)方便通過本地的IDE比如PyCharm進行代碼的調試 | (1)相對本地GPU版本的tensorflow運行較慢 (2)無法長時間的進行訓練,比如幾天到一周,甚至半個月 |
本地GPU筆記本版本的tensorflow |
|
|
谷歌的Colab雲環境 |
| (1)不能長時間的運行,由於是免費的,硬件的性能不是很好,經過測試,和本地的CPU版本的tensorflow運行差不多速度,並且容易掉線 |
阿裏雲CPU服務器 |
|
|
Floyd雲端GPU環境 |
| (3)價格相對較貴,如果是GPU版本訓練的話需要10元/小時 |
由於對比以及試驗了各種方法。因此如果是前期的話,先在自己的筆記本上面先用小批量的數據調試自己構造的網絡,當調試好了之後可以通過git上傳到阿裏雲服務器中進行長時間的訓練(幾天)看訓練結果,並將訓練好的參數進行保存,再傳回自己的筆記本看生成結果。如果時間比較趕需要快速地得到結果可以使用Floyd雲端GPU環境進行訓練。
tensorflow在各種環境下搭建與對比