昨天配置好GPU加速敲开心，开始跑我的小模型。结果惊奇的发现CPU效率比GPU高5倍多，这是什么鬼？和群里各个大佬讨论了一下，最终发现是BatchSize的问题，在此顺便讨论一下在模型训练过程中BatchSize的设置。

• Show一下硬件和我简陋的小模型
• 不同Size下GPU和CPU的运算时间
• 到底需要设置多大的Size？

---

先简单说一下我理解的Batch Size吧。

比如你有1w个数据（或者图片）需要训练，也就是需要找1w个数据的规律（感觉深度学习就是让模型找规律）。这时候有几种策略：

也算折腾了好几天，终于在Windows上把Tensorflow和GPU加速配置好了，跟大家分享一下经验。目前实验室服务器上木有显卡，所以以后实验室土豪了装了显卡我再去摸索Linux怎么配置这个，估计套路差不多。

• 怎么安装Tensorflow
• 怎么配置GPU加速
• 出现的各种问题以及修复策略

---

Tensorflow就不用简介了，谷歌的深度学习框架，也是目前最火的深度学习框架。其他的框架还有Caffe，Theano，MXNet等等。我是个小白，其他没用过，就不说了=-=，详细的大家可以看