torch.backends.cudnn.benchmark = true

设置这个 flag 可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法,来解决达到优化运行效率的问题。

  1. 如果网络的输入数据维度或类型上变化不大,设置 torch.backends.cudnn.benchmark = true 可以增加运行效率;
  2. 如果网络的输入数据在每次 iteration 都变化的话,会导致 cuDNN 每次都会去寻找一遍最优配置,这样反而会降低运行效率。
上一篇:CUDN10+cuDNN详细安装教程(对应最新tensorflow2.1.0)


下一篇:Win10配置TITAN RTX应用于TensorFlow-gpu步骤