C# ML.Net 图像分类：GPU 加速是否有助于提高预测性能，我如何判断是否有帮助？

Question

我目前正在开发 .NET Framework 4.8 中的桌面工具，该工具接收具有潜在裂缝的图像列表，并使用经过 ML.Net (C#) 训练的模型来执行裂缝检测。理想情况下，我希望 10 张图像的预测时间少于 100 毫秒（注意：单个图像预测时间在 36-41 毫秒之间）。

起初，我尝试使用 PredictionEngine 列表和 Parallel.For 循环在不同线程中执行多个预测（使用线程列表，因为 .Net Framework 没有 PredictionEnginePool 实现）。后来我了解到，使用 IT运行sformer 进行预测是推荐的、线程安全的 .Net Framework 方法，并开始使用它，但在这两种情况下，它都没有给我希望的性能.

执行以下代码大约需要 255-281 毫秒（平均 267.1 毫秒）：

    MLContext mlContext = new MLContext();
    IDataView inputData = mlContext.Data.LoadFromEnumerable(inputDataEnumerable);
    IDataView results = _LoadedModel.Transform(inputData);
    var imageClassificationPredictions = mlContext.Data.CreateEnumerable<ImageClassificationPrediction>(results, false).ToList();

其中 _LoadedModel 是一个 IT运行sformer 表示之前训练和加载的模型，inputDataEnumerable 是一个列表ModelInput其中包含两个属性：ImageData（从png图像中提取的图像数据的byte[]）和Label（字符串类型，设置为null）。

我试图通过将 TensorFlow 包依赖项从 SciSharp.TensorFlow.Redist 切换到 SciSharp.TensorFlow.Redist-Windows-GPU 如本 tutorial.

中所述

但是，执行时间几乎保持不变（10 张图像的平均执行时间为 262.4 毫秒）。我还尝试比较了 5760 张图像的小数据集的训练时间，但看不出有太大差异（都花了大约 7 分 21 秒）。

从这些结果来看，它似乎没有使用 GPU，所以我首先尝试删除我项目的 bin 文件夹并删除旧的 CPU-oriented tensorflow 包（以防它是一个简单的构建问题）。当这没有帮助时，我按照 here 中描述的说明重新安装了 CUDA 10.0。我还通过运行一些示例项目（DeviceQuery、DeviceQueryDrv 和 bandwidthTest）仔细检查了 CUDA 是否与我的显卡一起正常工作，以确保该卡确实兼容，而那些运行就好了。

在这一点上，我似乎设置了错误，或者 GPU 不适用于我的特定用例，但我无法确定是哪个。根据我关注的 tutorial，GPU 加速应该可用于预测，但在尝试使用 GPU 后我没有发现执行时间有任何显着差异。

如果有人对我可以采取的进一步故障排除步骤有任何建议，或者如果他们知道我哪里出错了，或者如果他们认为这是错误的用例，我将不胜感激 help/feedback.

如果有帮助，请参考以下系统规格：

OS: Windows 10 专业版
CPU：英特尔(R) 至强(R) CPU E3-1275 v5 @ 3.60GHz
内存：16.0 GB
GPU：Quadro P1000（安装的驱动程序：版本 452.06）

这里是 ML.Packages（版本）我是运行:

Microsoft.ML (v1.5.0)
Microsoft.ML.ImageAnalytics (v1.5.0)
Microsoft.ML.TensorFlow (v1.5.0)
Microsoft.ML.视觉 (v1.5.0)
SciSharp.TensorFlow.Redist-Windows-GPU (v1.15.1)

为了支持 GPU，我安装了 CUDA v10.0 along with CUDNN v7.6.4。

编辑

该问题并非 ML.Net 特有，而是与 TensorFlow.Net 有关。在我将 SciSharp.TensorFlow.Redist-Windows-GPU 更新到 2.3.0 版（2020 年 8 月 31 日发布）后，我将 CUDA 更新到 10.1，并遵循 TensorFlow.Net GitHub 它有一些稍微不同的步骤来让 GPU 支持工作。我现在可以在不到 50 毫秒的时间内完成 10 个预测，这比我的目标还要好。

Answer 1

可能是版本不匹配。

TensorFlow 支持 CUDA® 10.1 (TensorFlow >= 2.1.0)

https://www.tensorflow.org/install/gpu

您可以检查您的输出 window 以了解它无法连接到您的 GPU 的原因。

C# ML.Net 图像分类：GPU 加速是否有助于提高预测性能，我如何判断是否有帮助？

C# ML.Net Image classification: Does GPU acceleration help improve the performance of predictions and how can I tell if it is?

c#

windows

prediction

tensorflow

ml.net