리소스를 완전히 활용하는 방법

Tensorflow를 사용하여 CIFAR-10 데이터 세트를 분류하기 위해 CNN을 교육하고 있습니다. AW32 p2.xlarge 인스턴스 (1 GPU, 4 vCPU, 61GB RAM)에서 06_CIFAR-10.ipynb Jupyter Notebook을 실행 중입니다. 나는 Ubuntu 14 Tensorflow AMI을 사용하여 그것을 설정했다.리소스를 완전히 활용하는 방법

교육에 시간이 오래 걸립니다. 시스템 리소스를 확인할 때 대부분의 리소스가 여전히 사용 가능한 것으로 나타났습니다.

$ free -h 
     total  used  free  shared buffers  cached 
Mem:   59G  3.5G  56G  15M  55M  854M 
-/+ buffers/cache:  2.6G  57G 
Swap:   0B   0B   0B 


$ top 
top - 18:10:47 up 1:53, 1 user, load average: 0.47, 0.63, 0.69 
Tasks: 134 total, 1 running, 133 sleeping, 0 stopped, 0 zombie 
%Cpu(s): 19.1 us, 4.6 sy, 0.0 ni, 73.2 id, 0.0 wa, 0.0 hi, 0.3 si, 2.8 st 
KiB Mem: 62881764 total, 3695184 used, 59186580 free, 56792 buffers 
KiB Swap:  0 total,  0 used,  0 free. 875028 cached Mem 

    PID USER  PR NI VIRT RES SHR S %CPU %MEM  TIME+ COMMAND                      
2282 ubuntu 20 0 0.099t 2.192g 202828 S 248.2 3.7 141:55.88 python3                      


$ nvidia-smi 
Sat May 6 18:12:28 2017  
+------------------------------------------------------+      
| NVIDIA-SMI 352.99  Driver Version: 352.99   |      
|-------------------------------+----------------------+----------------------+ 
| GPU Name  Persistence-M| Bus-Id  Disp.A | Volatile Uncorr. ECC | 
| Fan Temp Perf Pwr:Usage/Cap|   Memory-Usage | GPU-Util Compute M. | 
|===============================+======================+======================| 
| 0 Tesla K80   On | 0000:00:1E.0  Off |     0 | 
| N/A 54C P0 67W/149W | 11012MiB/11519MiB |  54%  Default | 
+-------------------------------+----------------------+----------------------+ 

+-----------------------------------------------------------------------------+ 
| Processes:              GPU Memory | 
| GPU  PID Type Process name        Usage  | 
|=============================================================================| 
| 0  2282 C /usr/bin/python3        10954MiB | 
+-----------------------------------------------------------------------------+

병목 현상이 어디에 있는지 어떻게 알 수 있습니까? 그리고 모든 시스템 리소스를 활용하기위한 권장 사항은 무엇입니까?

출처

2017-05-06 mustafa

첫 번째 질문에 대한 답변 : http://stackoverflow.com/questions/34293714/can-i-measure-the-execution-time-of-individual-operations-with-tensorflow/43692312#43692312 – user1735003

고성능 입력 파이프 라인을 사용하고 소프트웨어 파이프 라이닝 기술을 활용하는 등의 높은 성능을 달성하기 위해 할 수있는 많은 기술과 개선 사항이 있습니다. 유감스럽게도 특정 설정에 대한 추가 정보없이 더 이상 진단 할 수 없습니다. 배경 (성능 향상을 위해 팁과 기술)를 읽기 위해

참조하십시오 : 나는 tensorflow와 함께 시작하는 것이 좋습니다

은 스크립트 벤치 마크 오픈 소스 및에서 이용 가능 : https://github.com/tensorflow/benchmarks

출처

2017-05-08 18:24:54 saeta

리소스를 완전히 활용하는 방법

답변

관련 문제