tensorflow2.0与tensorflow1.0的性能区别介绍
从某种意义讲,tensorflow这个项目已经失败了,要不了几年以后,江湖上再无tensorflow
因为tensorflow2.0和tensorflow1.0从本质上讲就是两个项目,1.0的静态图有他的优势,比如性能方面,但是debug不方便,2.0的动态图就是在模仿pytorch,但是画虎不成反类犬.
为了对比1.0与2.0
1.pipinstalltensorflow==2.0.0a0
2.为了控制变量我把mnist保存到本地的mongodb
3.两种网络结构是一样的
ipython
importmnist_data mnist_data.save_mnist_mongodb()
0 100 200 300 400 500 ...
Step1600:loss0.597398758;accuracy0.906712472 Step1700:loss0.0526806675;accuracy0.90900588 Step1800:loss0.212036133;accuracy0.911422193 Step1900:loss0.245924264;accuracy0.913889468 Step2000:loss0.0638188794;accuracy0.915765 20.71102285385132 Finalstep2000:losstf.Tensor(0.06381888,shape=(),dtype=float32);accuracytf.Tensor(0.915765,shape=(),dtype=float32)
tensorflow2.0耗时20.7秒
pipinstalltensorflow==1.13.1
step1700,trainingaccuracy0.960 step1800,trainingaccuracy0.900 step1900,trainingaccuracy0.930 12.46434211730957 testaccuracy0.942
tensorflow2.0耗时12.46秒,所以在用cpu做训练时,相同的网络结构,相同的数据集合,tensorflow2.0比tensorflow1.0慢60%,tensorflow静态图有非常明显的速度优势.
这是tensorflow2.0在训练时的cpu占用32.3%
这是tensorflow1.0在训练时的cpu占用63%,这也是tensorflow1.0的优势,更能发挥硬件的优势
以上这篇tensorflow2.0与tensorflow1.0的性能区别介绍就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。