在google中导入数据的最佳方法--用于快速计算和培训？

Question

我在谷歌的colab上运行了一个简单的深度学习模型，但是它的运行速度比没有GPU的MacBook Air还要慢。

我读了这个问题，发现这是一个问题，因为数据集通过互联网导入，但我无法找到如何加快这一进程。

我的模型可以找到这里。知道我怎样才能让这个时代更快吗？

我的本地机器每小时需要0.5-0.6秒，则需要3-4秒。

Answer 1

GPU总是比CPU快吗？没有，怎么了？因为GPU的速度优化取决于几个因素，

1. 有多少代码并行运行/执行，即有多少代码创建并行运行的线程，这是由Keras自动处理的，在您的场景中不应该成为问题。
2. 在CPU和GPU之间发送数据所花费的时间，这是很多时候人们犹豫不决的地方，人们认为GPU总是优于CPU，但是如果传递的数据太小，执行计算所需的时间(不需要计算步骤)比将数据/进程分解成线程，在GPU中执行它们，然后在CPU上重新组合它们所需的时间要短。

第二种情况在您的情况下是可能的，因为您已经使用了5. batch_size，如果您的数据集足够大，增加batch_size将提高GPU的性能。

除此之外，您还使用了一个相当简单的模型，正如@igrinis所指出的，数据从驱动器加载到内存仅一次，所以理论上的问题不应该是加载时间，因为数据是在驱动器上的。