GPU別ディープラーニング性能ベンチマークで使用したソフトウェア 検証に使用したハードウェア構成は記事末尾に記載しておりますので、別途ご確認ください。 ResNet50(FP32) GPU別ディープラーニング性能ベンチマーク:ResNet50(FP32) まずはResNet50(FP32)でベンチマークをとってみました。 GPUの性能向上に合わせてスコアが順当に上がっています。また、GPUを2枚搭載する場合は処理性能が約1.8倍となりました。 一方でCPU はCore i9-10980XEにてベンチマークの計測を行いましたが、Core i9-10980XE よりも安価なGeForce RTX 2080 Tiの足元にも及びませんでした。だからと言ってCPUの性能は軽視して良い訳ではなく、学習前処理等ではCPUの性能も必要となり、ディープラーニングの学習に必要な全体の工程の一部の時間短縮に貢献
![TensorFlowでディープラーニング性能をGPU別にベンチマーク比較 | パソコン工房 NEXMAG](https://cdn-ak-scissors.b.st-hatena.com/image/square/c128572a8bc1a5c56df8e3b5c8f68ec07edbd9c8/height=288;version=1;width=512/https%3A%2F%2Fwww.pc-koubou.jp%2Fmagazine%2Fwp-content%2Fuploads%2F2020%2F02%2Fdeeplearning_bench_main.jpg)