我用ResNet进行图像分类（由于我的图像比较小，所以模型的参数比论文上的少一些）
现在是在普通CPU上进行训练模型的，感觉比较慢，正在考虑是否花时间精力来改用GPU
训练模型

用GPU的话大概能快多少呢？
二者的硬件对比是：CPU Xeon E5-2678 2.5GHz，训练的时候用6个核
GPU就用Tesla P40 或Tesla P100
--
FROM 208.82.100.*

哈哈 看图片大小 应该很快 gpu比cpu快几十倍？ 没有具体比较过 也许cpu几个小时 gpu只要几分钟就迭代完了
【 在 ds9 的大作中提到: 】
: 我用ResNet进行图像分类（由于我的图像比较小，所以模型的参数比论文上的少一些）
: 现在是在普通CPU上进行训练模型的，感觉比较慢，正在考虑是否花时间精力来改用GPU
: 训练模型
: ...................
--
FROM 60.173.243.*

大部分应用是没问题的可以用的。
如何表述差距呢？围棋。人工智能的典型应用，对GPU有高要求。
核显也算GPU，是最弱一档。它和3090GPU（个人机最高一档），相差3子。
双方用同一训练好的模型。


【 在 xiaofeiyun (xiaofeiyun) 的大作中提到: 】
: 如果是部署到生产环境，只需要使用训练好的模型预测，差距有多大?
: 发自「今日水木 on MI 8」
--
FROM 112.47.160.*

我的应用图片比较小32x32，灰度的
如果只是快10倍我肯定就不换了，因为GPU的机时费就是CPU的10倍
快100倍的话肯定是值得换的

【 在 clxie (eddy) 的大作中提到: 】
: 哈哈 看图片大小 应该很快 gpu比cpu快几十倍？ 没有具体比较过 也许cpu几个小时 gpu只要几分钟就迭代完了
--
FROM 208.82.100.*

2小时和几年的比吧  
  
【 在 ds9 (九变) 的大作中提到: 】
:  我用ResNet进行图像分类（由于我的图像比较小，所以模型的参数比论文上的少一些）
:  现在是在普通CPU上进行训练模型的，感觉比较慢，正在考虑是否花时间精力来改用GPU
:  训练模型
:  
--
FROM 119.61.27.*