对于培训，您可以使用CPU或GPU。对于某些可以长时间训练CPU的深度学习问题，此类图像分类，GPU上的培训的数量级更快。通常，如果您可以访问合理强大的GPU进行培训。当您需要扩展并运行并行作业以在无法访问多个GPU的计算机上，CPU可以提供帮助。一个例子，运行实验通过使用该实验来调整超参数来调整超参数
实验经理
。
对于推理（调用训练有素的模型），CPU通常就足够了。作为图像Classiciation的示例，您可以在CPU上获得〜30个预测 /秒。但是，如果您需要非常高的帧速率或需要运行批处理作业，则使用GPU可以帮助您获得更快的结果。
我的建议：
训练单个模型
- 将“执行环境”设置设置为“ CPU”训练。
- 开始培训您的模型，监视器培训进度图。记下每个时期需要多长时间进行训练。
- 停止训练。
- 将“执行环境”设置设置为“ gpu”训练。
- 开始培训您的模型，监视器培训进度图。记下每个时期需要多长时间进行训练。
- 停止训练。
在大多数情况下，您会观察到GPU更快。
希望这有助于回答您的问题。
问候，
