文件名称：experiements_on_lstm_training_speed_up
文件大小：22KB
文件格式：ZIP
更新时间：2024-03-17 02:44:12
Python
LSTM训练速度 介绍 我们检查两个因素：批处理大小和GPU / CPU。 程序 修改examine_factors_that_impact_lstm_training_speed.py的TODO以运行实验。 python examine_factors_that_impact_lstm_training_speed.py 结果 批次大小具有重大影响：批次大小从1更改为160->加快40倍。 GPU / CPU不会产生重大影响（从CPU切换到GPU），这可能是由于递归神经网络的并行度较低。 当批量大小= 160时，从CPU切换到GPU->加快1.6倍。 批处理大小较小时（平行度较低），加速折叠的数量会减少； 当批量大小= 1时，加速倍数降低到1.10。 批次大小对模型推断时间的影响（使用CPU） 当批次大小= 1时，推断时间= 0.12681238253911337火车时间=未
【文件预览】：
experiements_on_lstm_training_speed_up-main
----~$experiment_records.xlsx(165B)
----experiment_records.xlsx(9KB)
----save_load_time.py(3KB)
----test_save_load_time.py(3KB)
----__pycache__()
--------save_load_time.cpython-38.pyc(1KB)
--------modified_lstm_model_operator.cpython-38.pyc(4KB)
----examine_factors_that_impact_lstm_training_speed.py(5KB)
----modified_lstm_model_operator.py(7KB)
----development.md(106B)
----.idea()
--------experiements_on_lstm_training_speed_up.iml(284B)
--------other.xml(186B)
--------misc.xml(196B)
--------modules.xml(328B)
--------.gitignore(176B)
--------inspectionProfiles()
----.gitignore(55B)
----README.md(2KB)
----target_file.dat(36B)