[PYTHON] P100-PCIE-16GB wurde der GPU von Google Colab hinzugefügt, bevor ich es wusste
※※ Dieser Artikel ist vom 24. November 2019. Während ich denke, dass jeder es vielleicht schon weiß. .. .. ..
Über GPU Gacha von Google Colab
Ich denke, es ist bekannt, dass es eine GPU-Gacha gibt. Siehe unten für Details. https://qiita.com/koshian2/items/d33edc963ed6cfcad77e
Auslösen
Ich dachte, dass es schneller als gewöhnlich war, und als ich die GPU überprüfte, wurde P100 wie folgt hinzugefügt.
GPU-Geschwindigkeitsvergleich
Sofort verglich ich die Trainingsgeschwindigkeit. Der verwendete Code ist der pix2pix-Code, den ich von Google Seedbank erhalten habe. https://research.google.com/seedbank/seed/pixpix_with_eager_execution
Klicken Sie hier für Seedbank. https://qiita.com/tomo_makes/items/e5a309687f5054ba471f
Hier ist das Ergebnis eines Geschwindigkeitsvergleichs mit einer auf 10 eingestellten Epoche.
| GPU | Berechnungszeit/sec |
|---|---|
| K80 | 723.3 |
| T4 | 411.4 |
| P100 | 250.1 |
Es ist sehr schnell. Es kommt immer mehr auf Colab an. .. ..
GPU Gacha Ergebnis (30 mal)
Übrigens, um zu sehen, wie es verteilt ist Ich habe "Alle Laufzeit-Resets" -> "nvidia-smi" ungefähr 30 Mal wiederholt.
| GPU | Anzahl | Wahrscheinlichkeit/% |
|---|---|---|
| K80 | 12 | 40 |
| T4 | 4 | 13.3 |
| P100 | 14 | 46.7 |
Mit diesem Gefühl scheint es ungefähr die gleiche Wahrscheinlichkeit wie bei K80 zu sein.
- Wenn es zu häufig verwendet wird, wird nur K80 zugewiesen Ich denke, dieses Ergebnis dient nur als Referenz.
Schließlich
Die Anzahl der Gachas ist 30 Mal, aber tatsächlich dachte ich, ich würde es ungefähr 100 Mal tun.
Unterwegs erhielt ich jedoch die folgende Zuteilungsverweigerung. .. ..
Ich war neugierig, was es war, aber das katastrophale Ergebnis war, dass ich an diesem Tag nicht mehr weitermachen konnte. Jeder, GPU Gacha ist moderat! Haben Sie ein tolles Google Colab-Leben!
Recommended Posts