2

我做了两个实验，涉及 Matlab、神经网络和两台非常不同的 PC。第二个（更好），有两个 CUDA GPU 卡，所以我预计它的速度会高很多，但与第一台 PC 完成相同任务的时间是 8 倍以上的时间相矛盾。我想知道我在哪里做错了。我想知道如何利用这 2 块 CUDA GPU 卡，因为如果我不能，那我就浪费了我在那台计算机上投资的钱。我怎样才能修改第二个代码更快？我使用的Matlab版本是：R2013a。下面有两个可以这样运行的代码，因为它们使用 Matlab 内置数据集：house_dataset。

非常感谢您的帮助！


电脑1：

规格：
笔记本电脑。Intel(R) Core(TM) i5-2430M CPU @ 2.40GHZ（4 核）。内存：4GB
操作系统：Window 7

脚本：test_script_NO_gpu_cuda

clear all;
countTests = 200;
performances = zeros(1, countTests);
[x, t] = house_dataset;

tStart = tic;
for i = 1 : countTests,
    net = fitnet(10);
    net.trainFcn = 'trainscg';
    net.trainParam.showWindow = false;
    net = train(net, x, t, 'useParallel', 'yes', 'useGPU', 'only');
    y = net(x);
    per = perform(net, t, y);
    performances(i) = per;
end
elapsedTime = toc(tStart);

display(sprintf('Average performance: %.1f', mean(performances)));
display(sprintf('Elapsed time: %.1f seconds', elapsedTime));

>> test_script_NO_gpu_cuda
平均性能：17.4
经过时间：47.8 秒

电脑2：

规格：
台式电脑。两个相同类型的 GPU：NVIDIA Tesla™ M2050（每个 448 个 cuda 核心）。内存：22 GB 操作系统：Ubuntu 12.04 LTS

脚本：test_script_YES_gpu_cuda

clear all;
matlabpool open
countTests = 200;
performances = zeros(1, countTests);
[x, t] = house_dataset;

tStart = tic;
for i = 1 : countTests,
    net = fitnet(10);
    net.trainFcn = 'trainscg';
    net.trainParam.showWindow = false;
    net = train(net, x, t, 'useParallel', 'yes', 'useGPU', 'only');
    y = net(x);
    per = perform(net, t, y);
    performances(i) = per;
end
elapsedTime = toc(tStart);
matlabpool close

display(sprintf('Average performance: %.1f', mean(performances)));
display(sprintf('Elapsed time: %.1f seconds', elapsedTime));

>> test_script_YES_gpu_cuda
使用“本地”配置文件启动 matlabpool ...连接到 8 个工作人员。
向所有工人发出停止信号……停止了。
平均性能：18.7
经过时间：373.9 秒

4

0 回答 0