Tensorflow-gpu運作代碼慢的問題排查
總結一次踩坑經曆。
1. 檢視代碼是否運作在Tensorflow-gpu版本
檢查是否同時安裝了Tensorflow和Tensorflow-gpu兩個版本，如果都安裝了，解除安裝cpu版本的。
2. 檢視GPU占用情況
一邊運作代碼，一邊檢視此時GPU的占用情況，可以反映出這個代碼是否用了GPU加速。Ctrl+R進入指令視窗，在C:\Program Files\NVIDIA Corporation\NVSMI 路徑下輸入指令 nvidia-smi 檢視GPU的占用情況。
這個圖說明GPU占用了80%，說明代碼正在使用GPU，也可以終止代碼運作再檢視一次。
此時占用為0，沒有使用GPU。
3. 終極排查：檢查代碼
有時候代碼運作速度慢的原因不是硬體的問題，而是軟體的問題，本人在經過上述兩個排查方法之後，依舊沒有找到真正的原因。原來真正的原因在于代碼，我用兩個重複的代碼塊來增加一個簡單的功能，而這個重複的代碼塊正是計算量最大的，這就導緻了代碼運作起來非常慢。把重複的代碼塊注釋之後，速度就恢複正常了。
以上是我個人的一次踩坑經曆，希望對你有一點點幫助