数值计算

FLAGS_enable_cublas_tensor_op_math

(始于 1.2.0)

该 flag 表示是否使用 Tensor Core,但可能会因此降低部分精确度。

取值范围

Bool 型,缺省值为 False。

示例

FLAGS_enable_cublas_tensor_op_math=True - 使用 Tensor Core。

FLAGS_use_mkldnn

(始于 0.13.0)

在预测或训练过程中,可以通过该选项选择使用 Intel MKL-DNN(https://github.com/intel/mkl-dnn)库运行。 “用于深度神经网络的英特尔(R)数学核心库(Intel(R) MKL-DNN)”是一个用于深度学习应用程序的开源性能库。该库加速了英特尔(R)架构上的深度学习应用程序和框架。Intel MKL-DNN 包含矢量化和线程化构建建块,您可以使用它们来实现具有 C 和 C ++接口的深度神经网络(DNN)。

取值范围

Bool 型,缺省值为 False。

示例

FLAGS_use_mkldnn=True - 开启使用 MKL-DNN 运行。

注意

FLAGS_use_mkldnn 仅用于 python 训练和预测脚本。要在 CAPI 中启用 MKL-DNN,请设置选项 -DWITH_MKLDNN=ON。 英特尔 MKL-DNN 支持英特尔 64 架构和兼容架构。 该库对基于以下设备的系统进行了优化: 英特尔 SSE4.1 支持的英特尔凌动(R)处理器; 第 4 代,第 5 代,第 6 代,第 7 代和第 8 代英特尔(R)Core(TM)处理器; 英特尔(R)Xeon(R)处理器 E3,E5 和 E7 系列(原 Sandy Bridge,Ivy Bridge,Haswell 和 Broadwell); 英特尔(R)Xeon(R)可扩展处理器(原 Skylake 和 Cascade Lake); 英特尔(R)Xeon Phi(TM)处理器(原 Knights Landing and Knights Mill); 兼容处理器。