我正在 Keras 上测试 LSTM 网络，在 CPU 上的训练（i2600k 16GB 上为 5 秒/epoch）比在 GPU 上（Nvidia 1060 6GB 上为 35 秒）要快得多。 GPU 利用率运行在 15% 左右，在尝试其他 LSTM 网络（包括 Keras 示例）时，我从未见过它超过 30%。当我运行其他类型的网络 MLP 和 CNN 时，GPU 速度要快得多。我正在使用最新的 theano 0.9.0dev4 和 keras 1.2.0
该序列有 50,000 个时间步长和 3 个输入（整数）。
如果输入为降序 (3,2,1)，则输出为 0，如果输入为升序，则输出为 1，除非最后两个也为升序，则输出为 0 而不是 1。
使用 Keras 的CuDNNLSTMNvidia GPU 上加速计算的单元：https://keras.io/layers/recurrent/#cudnnlstm https://keras.io/layers/recurrent/#cudnnlstm
这只是改变LSTM线路至：
model.add(CuDNNLSTM(20, input_shape=(50000,3), return_sequences=True))
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
