摘要：基準(zhǔn)測(cè)試我們比較了和三款，使用的深度學(xué)習(xí)庫(kù)是和，深度學(xué)習(xí)網(wǎng)絡(luò)是和。深度學(xué)習(xí)庫(kù)基準(zhǔn)測(cè)試同樣，所有基準(zhǔn)測(cè)試都使用位系統(tǒng)，每個(gè)結(jié)果是次迭代計(jì)算的平均時(shí)間。

購(gòu)買用于運(yùn)行深度學(xué)習(xí)算法的硬件時(shí)，我們常常找不到任何有用的基準(zhǔn)，的選擇是買一個(gè)GPU然后用它來(lái)測(cè)試?，F(xiàn)在市面上性能較好的GPU幾乎都來(lái)自英偉達(dá)，但其中也有很多選擇：是買一個(gè)新出的TITAN X Pascal還是便宜些的TITAN X Maxwell，又或是GTX 1080？本文中我們對(duì)幾個(gè)最常見(jiàn)的英偉達(dá)GPU以及最常用的一些深度學(xué)習(xí)算法進(jìn)行了基準(zhǔn)測(cè)試。軟件方面，我們比較了最近發(fā)布的四個(gè)開(kāi)源深度學(xué)習(xí)庫(kù)：Tensorflow v0.10.0、Neon v1.6.0、Caffe rc3以及caffe的英偉達(dá)版本NVcaffe v0.15.10。

GPU基準(zhǔn)測(cè)試：GeForce GTX 1080 vs Titan X(Maxwell) vs Titan X (Pascal)

我們比較了GeForce GTX 1080、Titan X Maxwell和Titan X Pascal三款GPU，使用的深度學(xué)習(xí)庫(kù)是Neon、Tensorflow和Caffe，深度學(xué)習(xí)網(wǎng)絡(luò)是AlexNet、GoogleNet、OverFeat和VGG-A。

?

所有基準(zhǔn)測(cè)試都使用64位系統(tǒng)，每個(gè)結(jié)果是100次迭代計(jì)算的平均時(shí)間。

基于庫(kù)的測(cè)試結(jié)果

訓(xùn)練基準(zhǔn)測(cè)試

使用四種庫(kù)（Tensorflow，NVcaffe，Caffe，Neon）進(jìn)行一次前向迭代和反向迭代的總時(shí)間[ms]（越少越好）。結(jié)果如下：

?

推論基準(zhǔn)測(cè)試

使用四種庫(kù)（Tensorflow，NVcaffe，Caffe，Neon）進(jìn)行一次前向迭代的總時(shí)間[ms]（越少越好）。結(jié)果如下：

基于神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果

?

訓(xùn)練基準(zhǔn)測(cè)試

使用四種神經(jīng)網(wǎng)絡(luò)（VGG-A, OverFeat,AlexNet, GoogLeNet）進(jìn)行一次前向迭代和反向迭代的總時(shí)間（越少越好）。結(jié)果如下：

?

推論基準(zhǔn)測(cè)試

使用四種神經(jīng)網(wǎng)絡(luò)（VGG-A, OverFeat,AlexNet, GoogLeNet）進(jìn)行一次前向迭代的總時(shí)間（越少越好）。結(jié)果如下：

配置

基準(zhǔn)測(cè)試工具

在Neon上進(jìn)行基準(zhǔn)測(cè)試使用的是neon庫(kù)中的腳本neon/tests/run_benchmarks.py，在Tensorflow上使用的是convnet-benchmarks和不加修改的腳本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 以及 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks，但對(duì)腳本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向我們的caffe安裝。

深度學(xué)習(xí)庫(kù)基準(zhǔn)測(cè)試：Caffe vs Neon vsNVcaffe vs Tensorflow

同樣，所有基準(zhǔn)測(cè)試都使用64位系統(tǒng)，每個(gè)結(jié)果是100次迭代計(jì)算的平均時(shí)間。

?

基于GPU的測(cè)試結(jié)果

?

訓(xùn)練基準(zhǔn)測(cè)試

使用四種GPU（Titan X Pascal, Titan X Maxwell, GeForce GTX 1080）進(jìn)行一次前向迭代和反向迭代的總時(shí)間（越少越好）。結(jié)果如下：

推論基準(zhǔn)測(cè)試

使用四種GPU（Titan X Pascal, Titan X Maxwell, GeForce GTX 1080）進(jìn)行一次前向迭代的總時(shí)間（越少越好）。結(jié)果如下：

基于神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果

訓(xùn)練基準(zhǔn)測(cè)試

使用四種神經(jīng)網(wǎng)絡(luò)（VGG-A, OverFeat,AlexNet, GoogLeNet）進(jìn)行一次前向迭代和反向迭代的總時(shí)間（越少越好）。結(jié)果如下：

推論基準(zhǔn)測(cè)試

使用四種神經(jīng)網(wǎng)絡(luò)（VGG-A, OverFeat, AlexNet,GoogLeNet）進(jìn)行一次前向迭代的總時(shí)間（越少越好）。結(jié)果如下：

?

配置

基準(zhǔn)測(cè)試工具

?

在Neon上進(jìn)行基準(zhǔn)測(cè)試使用的是neon庫(kù)中的腳本neon/tests/run_benchmarks.py，在Tensorflow上使用的是convnet-benchmarks和不加修改的腳本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 以及 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks，但對(duì)腳本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向我們的caffe安裝。

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754