tensorflow2.0與tensorflow1.0的性能區(qū)別介紹

更新時(shí)間：2020年02月07日 18:28:13 作者：luoganttcc

今天小編就為大家分享一篇tensorflow2.0與tensorflow1.0的性能區(qū)別介紹，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

從某種意義講，tensorflow這個(gè)項(xiàng)目已經(jīng)失敗了，要不了幾年以后，江湖上再無(wú)tensorflow

因?yàn)閠ensorflow2.0 和tensorflow1.0 從本質(zhì)上講就是兩個(gè)項(xiàng)目，1.0的靜態(tài)圖有他的優(yōu)勢(shì)，比如性能方面，但是debug不方便，2.0的動(dòng)態(tài)圖就是在模仿pytorch,但是畫(huà)虎不成反類(lèi)犬．

為了對(duì)比1.0 與2.0

1. pip install tensorflow==2.0.0a0

2. 為了控制變量我把mnist保存到本地的mongodb

3. 兩種網(wǎng)絡(luò)結(jié)構(gòu)是一樣的

ipython

import mnist_data
mnist_data.save_mnist_mongodb()

Step 1600 : loss 0.597398758 ; accuracy 0.906712472
Step 1700 : loss 0.0526806675 ; accuracy 0.90900588
Step 1800 : loss 0.212036133 ; accuracy 0.911422193
Step 1900 : loss 0.245924264 ; accuracy 0.913889468
Step 2000 : loss 0.0638188794 ; accuracy 0.915765
20.71102285385132
Final step 2000 : loss tf.Tensor(0.06381888, shape=(), dtype=float32) ; accuracy tf.Tensor(0.915765, shape=(), dtype=float32)

tensorflow2.0 耗時(shí)20.7秒

pip install tensorflow==1.13.1

step 1700, training accuracy 0.960
step 1800, training accuracy 0.900
step 1900, training accuracy 0.930
12.46434211730957
test accuracy 0.942

tensorflow2.0 耗時(shí)12.46秒，所以在用cpu 做訓(xùn)練時(shí)，相同的網(wǎng)絡(luò)結(jié)構(gòu)，相同的數(shù)據(jù)集合，tensorflow2.0比tensorflow1.0慢60%，tensorflow 靜態(tài)圖有非常明顯的速度優(yōu)勢(shì)．

這是　tensorflow2.0 在訓(xùn)練時(shí)的cpu占用32.3%

這是　tensorflow1.0 在訓(xùn)練時(shí)的cpu占用63%,這也是tensorflow1.0 的優(yōu)勢(shì)，更能發(fā)揮硬件的優(yōu)勢(shì)

以上這篇tensorflow2.0與tensorflow1.0的性能區(qū)別介紹就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

django 將自帶的數(shù)據(jù)庫(kù)sqlite3改成mysql實(shí)例
這篇文章主要介紹了django 將自帶的數(shù)據(jù)庫(kù)sqlite3改成mysql實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2020-07-07
Flask中提供靜態(tài)文件的實(shí)例講解
在本篇文章里小編給大家分享的是一篇關(guān)于Flask中提供靜態(tài)文件的實(shí)例及相關(guān)知識(shí)點(diǎn)詳解，有興趣的朋友們可以跟著學(xué)習(xí)下。
2021-12-12
Python實(shí)現(xiàn)嵌套列表的7中方法總結(jié)
這篇文章主要來(lái)給大家講解一個(gè)Python的進(jìn)階知識(shí)點(diǎn)：如何將一個(gè)嵌套的大列表展開(kāi)形成一個(gè)列表。小編提供了7種方法供大家學(xué)習(xí)參考，希望大家能喜歡
2023-03-03
Linux上Miniconda的安裝的實(shí)現(xiàn)步驟
Miniconda是一個(gè)輕量級(jí)、免費(fèi)且開(kāi)源的跨平臺(tái)軟件包管理系統(tǒng),本文主要介紹了Linux上Miniconda的安裝的實(shí)現(xiàn)步驟,具有一定的參考價(jià)值,感興趣的可以了解一下
2024-03-03
Pandas讀取并修改excel的示例代碼
這篇文章主要介紹了Pandas讀取并修改excel的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2019-02-02
對(duì)python調(diào)用RPC接口的實(shí)例詳解
今天小編就為大家分享一篇對(duì)python調(diào)用RPC接口的實(shí)例詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2019-01-01
78行Python代碼實(shí)現(xiàn)現(xiàn)微信撤回消息功能
這篇文章主要介紹了78行Python代碼實(shí)現(xiàn)現(xiàn)微信撤回消息功能，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
2018-07-07
Python機(jī)器學(xué)習(xí)pytorch模型選擇及欠擬合和過(guò)擬合詳解
如何發(fā)現(xiàn)可以泛化的模式是機(jī)器學(xué)習(xí)的根本問(wèn)題，將模型在訓(xùn)練數(shù)據(jù)上過(guò)擬合得比潛在分布中更接近的現(xiàn)象稱(chēng)為過(guò)擬合，用于對(duì)抗過(guò)擬合的技術(shù)稱(chēng)為正則化
2021-10-10
Python實(shí)現(xiàn)的本地文件搜索功能示例【測(cè)試可用】
這篇文章主要介紹了Python實(shí)現(xiàn)的本地文件搜索功能,涉及Python針對(duì)文件與目錄的遍歷、判斷、編碼轉(zhuǎn)換、查找等相關(guān)操作技巧,需要的朋友可以參考下
2018-05-05
在Python中實(shí)現(xiàn)函數(shù)重載的示例代碼
這篇文章主要介紹了在Python中實(shí)現(xiàn)函數(shù)重載的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2019-12-12