为什么毕火炬(CUDA)在GPU上运行缓慢？

Question

我已经在Linux上玩了一段时间了，最近我决定尝试在我的Windows桌面上使用我的GPU运行更多的脚本。自从尝试之后，我注意到在相同的脚本上，我的GPU执行时间和我的CPU执行时间之间存在着巨大的性能差异，因此我的GPU比CPU慢得多。为了说明这一点，我只是在这里找到了一个教程程序(examples.html#pytorch-tensors)

import torch
import datetime
print(torch.__version__)

dtype = torch.double
#device = torch.device("cpu")
device = torch.device("cuda:0")

# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N, D_in, H, D_out = 64, 1000, 100, 10

# Create random input and output data
x = torch.randn(N, D_in, device=device, dtype=dtype)
y = torch.randn(N, D_out, device=device, dtype=dtype)

# Randomly initialize weights
w1 = torch.randn(D_in, H, device=device, dtype=dtype)
w2 = torch.randn(H, D_out, device=device, dtype=dtype)


start = datetime.datetime.now()
learning_rate = 1e-6
for t in range(5000):
    # Forward pass: compute predicted y
    h = x.mm(w1)
    h_relu = h.clamp(min=0)
    y_pred = h_relu.mm(w2)

    # Compute and print loss
    loss = (y_pred - y).pow(2).sum().item()
    #print(t, loss)

    # Backprop to compute gradients of w1 and w2 with respect to loss
    grad_y_pred = 2.0 * (y_pred - y)
    grad_w2 = h_relu.t().mm(grad_y_pred)
    grad_h_relu = grad_y_pred.mm(w2.t())
    grad_h = grad_h_relu.clone()
    grad_h[h < 0] = 0
    grad_w1 = x.t().mm(grad_h)

    # Update weights using gradient descent
    w1 -= learning_rate * grad_w1
    w2 -= learning_rate * grad_w2

end = datetime.datetime.now()

print(end-start)

我把Epoch的数量从500增加到5000，因为我已经读到，由于初始化，第一个CUDA调用非常慢。然而，性能问题仍然存在。

使用device = torch.device("cpu")，最后打印出的时间在3-4秒左右是正常的，device = torch.device("cuda:0")在13-15秒左右执行。

我已经重新安装了许多不同的方式(当然，卸载之前的安装)，问题仍然存在。我希望有人能帮助我，如果我可能错过了一套(没有安装其他API/程序)，或者代码中做错了什么。

Python: v3.6

火炬:v0.4.1

GPU: NVIDIA GeForce GTX 1060 6GB

如果能提供任何帮助，：slight_smile将不胜感激：

Answer 1

在gpu上运行可能会很昂贵，当您以较小的批处理大小运行时。如果将更多的数据放入gpu，意味着增加批处理大小，则可以观察到数据增加的显着性。是的，与float32相比，gpu运行得更好。尝尝这个

**

N, D_in, H, D_out = 128, 1000, 500, 10
dtype = torch.float32

**

Answer 2

主要原因是您使用的是双数据类型，而不是浮点数。GPU大多是针对32位浮点数的操作而优化的.如果您将dtype更改为torch.float，您的GPU运行应该比您的CPU运行更快，甚至包括CUDA初始化之类的内容。