只在tensorflow上运行DDQN，我的笔记本电脑比我的AMD 3900快50倍。

Question

我在笔记本电脑上运行一个示例程序(来自这里的DDQN)。

我的笔记本电脑每隔一秒钟就能执行一步(联想P51运行Ubuntu18.04，32 of内存，ssd)。我在我的工作站上尝试了同样的程序(AMD 3900 x，64 on内存，运行Windows 10，GNU Python 3.8)，每步花费2-3秒。两者都被设置为使用Tensorflow 2.3.1而不需要GPU (我在代码中增加了额外的一行以确保这一点)。我还在我的Mac (自制Python 3.8)上尝试了这一点，并得到了与我的工作站类似的结果。Mac是一款2014年Macbook Pro，所以我预计它会很慢，但我对桌面的结果感到惊讶。

我还试图在工作站上运行相同的Linux代码(Lubuntu20.04)，并得到相同的结果(每个步骤大约2-3秒)。这让我觉得自己可能有硬件问题，但我在工作站上运行了一些基准测试，没有什么问题出现。

我真的在寻找解决这个问题的方法，因为它看起来可能是硬件，但也许在我的联想笔记本电脑上配置了“正确”的东西，而其他两个平台上还没有设置。

我在所有平台上的安装基本上都是确保python 3.8已经安装，然后是pip安装tensorflow、keras和健身房。据我所知，没有其他的调整或调整。

UPDATE：我发现膝上型计算机环境仍然指向安装了一个老版本的tensorflow (1.14)的较旧的python (3.6)。现在我的问题是，为什么2.3.1在这段代码上如此缓慢，而1.1.4却如此之快？我会搜索更多，但建议是赞赏的。

Answer 1

这可能是由于大量的事情发生了变化--在我的头顶上，最有可能的是num_workers --这是工作人员的数量，并且应该随着线程数的增加而增加，默认为1--将这个值更改为8或16，看看性能是否会提高。

然而，这可能是由于BLAS - Tensorflow使用Intel MKL加速的不同实现，而后者在AMD (可能是英特尔的市场细分)上运行得更慢，很难说。