rtx 3090上的Tensorflow 1.14 styleagn 2性能问题

问题描述

我正在4x RTX 3090上运行Stylegan 2 model，与开始使用1x RTX 3090相比，开始培训所需的时间要长。 4倍比1倍更早地上升。我在两个GPU中都使用CUDA 11.1和TensorFlow 1.14。

第二，当我使用带有CUDA 10.2和TensorFlow 1.14的1x RTX 2080ti时，与使用11.1 CUDA和Tensorflow 1.14的1x RTX 3090相比，开始培训的花费更少。暂时，要为其中一个数据集开始训练，在1x RTX 2080ti中需要5分钟，在1x RTX 3090中需要30-35分钟，在4x RTX 3090中需要1.5小时。

如果有人能帮助我解决此问题，我将不胜感激。

我在2080ti和3090机器上都使用Ubuntu 16.04，Core™i9-10980XE cpu和32 GB内存。

编辑：to this指出，我发现TF在Ampere架构GPU中的启动时间很长，但是我仍然不清楚是否是这种情况；并且，如果是 情况，是否有解决方案？

解决方法

Stylegan2写在T.F. 1.x，而Nvidia RTX 3090使用CUDA 11.1。 作为T.F. 1.x没有CUDA 11.1的二进制文件，因此在开始时，需要花费一些时间进行编译。由于RTX 3090使用PTX和JIT编译器进行编译，因此需要很长时间。
一个通用的解决方案是使用以下代码来增加缓存大小：-“ export CUDA_CACHE_MAXSIZE = 2147483648”（此处2147483648是缓存大小，您可以通过考虑内存限制和其他用途来设置它的任何数量）帐户中的流程）。请参阅https://www.tensorflow.org/install/gpu进行澄清。因此，在随后的运行中，启动时间将很小。但是即使在此之后，二进制文件Produce（在开始时）也不会与CUDA 11.1兼容，并且stylegan2将仅输出黑屏

对于Stylegan2，您可以从T.F迁移代码。 1.x到2.x（2.4+），使其可以在RTX 30XX系列上运行（将100％工作）或尝试编译T.F。 1.x来自带有CUDA 11.1的源代码（对此不确定）。 ,

正如 Thunder 解释的那样，Nvidia Ampere GPU 不支持 TensorFlow 1.x，而且似乎永远不会支持，因为 Ampere 流式多处理器 (SM_86) 仅在 CUDA 11.1 上受支持，请参阅 https://forums.developer.nvidia.com/t/can-rtx-3080-support-cuda-10-1/155849/2 和 TensorFlow新版本的 CUDA 暂时不完全支持 1.x，原因可能与上面链接中描述的类似。遗憾的是 TensorFlow 1.x 版不再受支持或维护，请参阅 https://github.com/tensorflow/tensorflow/issues/43629#issuecomment-700709796

但是，如果您必须使用 Stylegan 2 模型，那么您可能会使用 Nvidia Tensorflow，它显然支持 Ampere GPU 上的 1.15 版，请参阅 https://developer.nvidia.com/blog/accelerating-tensorflow-on-a100-gpus/