介绍 import mnist_data
mnist_data.save_mnist_mongodb () 0
One hundred.
200
300
400
500
… Step 1600年,:,loss 0.597398758, accuracy 0.906712472
Step 1700年,:,loss 0.0526806675, accuracy 0.90900588
Step 1800年,:,loss 0.212036133, accuracy 0.911422193
Step 1900年,:,loss 0.245924264, accuracy 0.913889468
Step 2000年,:,loss 0.0638188794, accuracy 0.915765
20.71102285385132
Final step 2000年,:,loss tf.Tensor(0.06381888,,=(),形状,dtype=float32),,, accuracy tf.Tensor(0.915765,,=(),形状,dtype=float32) pip install tensorflow==1.13.1 step 1700年,training accuracy 0.960
step 1800年,training accuracy 0.900
step 1900年,training accuracy 0.930
12.46434211730957
test accuracy 0.942
这篇文章主要介绍tensorflow2.0与tensorflow1.0有哪些性能区别,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
从某种意义讲,tensorflow这个项目已经失败了,要不了几年以后,江湖上再无tensorflow
因为tensorflow2.0和tensorflow1.0从本质上讲就是两个项目,1.0的静态图有他的优势,比如性能方面,但是调试不方便,2.0的动态图就是在模仿pytorch,但是画虎不成反类犬。
<强>为了对比1.0与2.0
1。pip安装tensorflow==2.0.0a0
2。为了控制变量我把mnist保存到本地的mongodb
3。两种网络结构是一样的
ipython
tensorflow2.0耗时20.7秒
tensorflow2.0耗时12.46秒,所以在用cpu做训练时,相同的网络结构,相同的数据集合,tensorflow2.0比tensorflow1.0慢60%,tensorflow静态图有非常明显的速度优势。
这是tensorflow2.0在训练时的cpu占用32.3%
这是tensorflow1.0在训练时的cpu占用63%,这也是tensorflow1.0的优势,更能发挥硬件的优势
以上是“tensorflow2.0与tensorflow1.0有哪些性能区别”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注行业资讯频道!
