深度学习笔记

最新推荐文章于 2022-03-18 22:28:32 发布

原创

最新推荐文章于 2022-03-18 22:28:32 发布 · 317 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #pytorch #machine learning #深度学习 #linux

本文记录了PyTorch在Linux系统相对于Windows的性能提升，通过对比简单的CNN网络训练时间，发现在Linux环境下性能提高了大约一倍。即使在没有独立显卡的情况下，Linux（如使用Docker的Ubuntu环境）的CPU计算效率也优于Windows。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习笔记

pytorch在linux下似乎比在windows下有几倍性能的提高

虽然没有独显（穷），但是仍然希望能尽可能快的训练模型，看看收敛的结果。之前就有听人说在linux跑比在windows下快。于是便简单测试了一下最简单的CNN网络在不同系统下的执行所花的时间。由于没有Linux系统的电脑（穷），加上是win10是家庭版，所以使用virtualbox版的docker来代替，docker使用的是pytorch的官方镜像（系统为ubuntu），Window系统使用Windows10。代码修改自莫烦Python教学里的pytorch的卷积神经网络一集。数据集使用的是Mnist手写数字数据集。两个卷积层加一个输出层。EPOCH是2。BATCH_SIZE是50。代码如下：


"""
View more, visit my tutorial page: https://morvanzhou.github.io/tutorials/
My Youtube Channel: https://www.youtube.com/user/MorvanZhou
Dependencies:
torch: 0.4
torchvision
matplotlib
"""
# library
# standard library
import os
import datetime
# third-party library
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
# torch.manual_seed(1)    # reproducible
# Hyper Parameters
EPOCH = 2               # train the training data n times, to save time, we just train 1 epoch
BATCH_SIZE = 50
LR = 0.001              # learning rate
DOWNLOAD_MNIST = False

# Mnist digits dataset
if not(os.path.exists('./mnist/')) or not os.listdir('./mnist/'):
    # not mnist dir or mnist is empyt dir
    DOWNLOAD_MNIST = True

train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True,                                     # this is training data
    transform=torchvision.transforms.ToTensor(),    # Converts a PIL.Image or numpy.ndarray to
                                                    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=DOWNLOAD_MNIST,
)

print(train_data.train_data.size())                 # (60000, 28, 28)
print(train_data.train_labels