一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第1天，点击查看活动详情。
很多新入门的小伙伴和我一样，都知道机器学习需要GPU去跑，CPU性能不好，但是到底有多大的差距呢？刚开始的同学没有一个直观的认识（主要是我自己也没有直观的认识），在此记录一下吧。 我们采用同样的一个简单的基于VGG16的图像分类代码来对比一下，如果有误导或者理解不到位的地方，恳请指正，谢谢！服务器虽然有点旧，但是还是可以看出问题的！ 图像分三类，每一类图像3800张左右，batch_size均为25（最好为2的次方数）
CPU服务器一
- 服务器配置
- 选取epoch5-14查看计算用时
CPU服务器二
- 服务器配置
- 选取epoch5-14查看计算用时
GPU计算机一
- 服务器配置
-
显卡规格
-
选取epoch5-14查看计算用时
在用gpu进行计算的时候，观察cpu也有40%左右的占用率，不是说好用gpu计算的吗？应该是cpu也进行了一些TensorFlow其他的计算吧。 可以看出一张算力6.1的1050卡，基本上是10+倍8核E5cpu的性能。
-
后记 还有一个GT730的卡，辛辛苦苦花了很多时间装好了环境，一运行居然告诉我算力只有3.5，cuda最低要求为3.7，新手同学可以查询一下显卡算力免得浪费功夫装很久环境！Cuda compute capability 3.5. The minimum required Cuda capability is 3.7。
-
GPU算力表 https://developer.nvidia.com/cuda-gpus 在这里插入图片描述
