tensorflow2.0與tensorflow1.0的性能區(qū)別介紹
從某種意義講，tensorflow這個項目已經(jīng)失敗了，要不了幾年以后，江湖上再無tensorflow
因為tensorflow2.0 和tensorflow1.0 從本質(zhì)上講就是兩個項目，1.0的靜態(tài)圖有他的優(yōu)勢，比如性能方面，但是debug不方便，2.0的動態(tài)圖就是在模仿pytorch,但是畫虎不成反類犬．
為了對比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)絡結構是一樣的
ipython
import mnist_data mnist_data.save_mnist_mongodb()
0 100 200 300 400 500 ...
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12.46秒，所以在用cpu 做訓練時，相同的網(wǎng)絡結構，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．
這是 tensorflow2.0 在訓練時的cpu占用32.3%
這是 tensorflow1.0 在訓練時的cpu占用63%,這也是tensorflow1.0 的優(yōu)勢，更能發(fā)揮硬件的優(yōu)勢
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內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
django 將自帶的數(shù)據(jù)庫sqlite3改成mysql實例
這篇文章主要介紹了django 將自帶的數(shù)據(jù)庫sqlite3改成mysql實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07
在本篇文章里小編給大家分享的是一篇關于Flask中提供靜態(tài)文件的實例及相關知識點詳解，有興趣的朋友們可以跟著學習下。2021-12-12
這篇文章主要來給大家講解一個Python的進階知識點：如何將一個嵌套的大列表展開形成一個列表。小編提供了7種方法供大家學習參考，希望大家能喜歡2023-03-03
Miniconda是一個輕量級、免費且開源的跨平臺軟件包管理系統(tǒng),本文主要介紹了Linux上Miniconda的安裝的實現(xiàn)步驟,具有一定的參考價值,感興趣的可以了解一下2024-03-03
這篇文章主要介紹了Pandas讀取并修改excel的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-02-02
今天小編就為大家分享一篇對python調(diào)用RPC接口的實例詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
78行Python代碼實現(xiàn)現(xiàn)微信撤回消息功能
這篇文章主要介紹了78行Python代碼實現(xiàn)現(xiàn)微信撤回消息功能，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下2018-07-07
Python機器學習pytorch模型選擇及欠擬合和過擬合詳解
如何發(fā)現(xiàn)可以泛化的模式是機器學習的根本問題，將模型在訓練數(shù)據(jù)上過擬合得比潛在分布中更接近的現(xiàn)象稱為過擬合，用于對抗過擬合的技術稱為正則化2021-10-10
Python實現(xiàn)的本地文件搜索功能示例【測試可用】
這篇文章主要介紹了Python實現(xiàn)的本地文件搜索功能,涉及Python針對文件與目錄的遍歷、判斷、編碼轉(zhuǎn)換、查找等相關操作技巧,需要的朋友可以參考下2018-05-05
在Python中實現(xiàn)函數(shù)重載的示例代碼
這篇文章主要介紹了在Python中實現(xiàn)函數(shù)重載的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-12-12