?

代碼：

https://github.com/appleyuchi/TPU_GPU_Code/blob/master/colab上使用GPU和TPU比較.ipynb

這個代碼是GPU和TPU的運(yùn)行性能比較。
用文本比較網(wǎng)站看了下代碼的異同，總共有兩處：
－－－－－－－－－－－－－－－－－－－－－第1處－－－－－－－－－－－－－－－－－－－－－－－－－－－－

?GPU:

model.compile(optimizer=tf.train.AdamOptimizer(learning_rate=1e-3, ),loss=tf.keras.losses.sparse_categorical_crossentropy,metrics=['sparse_categorical_accuracy'] )

?

TPU:

import os tpu_model = tf.contrib.tpu.keras_to_tpu_model(model,strategy=tf.contrib.tpu.TPUDistributionStrategy(tf.contrib.cluster_resolver.TPUClusterResolver(tpu='grpc://' + os.environ['COLAB_TPU_ADDR'])) ) tpu_model.compile(optimizer=tf.train.AdamOptimizer(learning_rate=1e-3, ),loss=tf.keras.losses.sparse_categorical_crossentropy,metrics=['sparse_categorical_accuracy'] )

?

?

－－－－－－－－－－－－－－－－－－－－－－－－－第2處－－－－－－－－－－－－－－－－－－－－－－－－－
GPU:

%%time model.fit_generator(train_gen(1024), epochs=5, steps_per_epoch=100, validation_data=(x_test, y_test))

TPU:

%%time tpu_model.fit_generator(train_gen(1024), epochs=5, steps_per_epoch=100, validation_data=(x_test, y_test))

?

總結(jié)

以上是生活随笔為你收集整理的GPU代码修改成TPU代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。