我怀疑在我的gpu盒上是否正确配置了tensorflow，因为在花哨的gpu机器上训练一个简单的线性回归模型(batchsize = 32，1500个输入特征，150个输出变量)时，每次迭代的速度大约慢100倍，而在笔记本电脑上。
我正在使用配有现代CPU的Titan X，等等。nvidia-smi说我的gpu利用率仅为10％，但是我希望这是因为批处理量很小。我没有使用feed_dict将数据移动到计算图中。一切都通过tf.decode_csv和tf.train.shuffle_batch来了。
有人对如何轻松测试我的安装是否正确有任何建议吗？有没有简单的速度基准？我的笔记本电脑和gpu机器之间的速度差异如此之大，以至于我期望配置不正确。
最佳答案
尝试tensorflow/tensorflow/models/image/mnist/convolutional.py，它将按步打印时间。
在Tesla K40c上，每步应该获得大约16 ms，而在我使用了3年的旧机器上，仅用于CPU的120 ms
编辑:这已移至models信息库:https://github.com/tensorflow/models/blob/master/tutorials/image/mnist/convolutional.py。convolutional.py文件现在位于models/tutorials/image/mnist/convolutional.py
关于tensorflow - tensorflow安装的速度基准测试，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35703201/