tensorflow-gpu运行CNN卷积网络的准确率就不变了？
当我不用GPU，使用CPU的时候，训练就很正常
但是当用GPU时，卷积就不正常了，准确率一直不变，loss也是
运行DNN时使用GPU训练正常，而CNN准确率损失基本不变
python=3.8
cudatoolkit=10.1
cudnn=7.6
tensorflow-gpu=2.2.0
tensorflow-gpu准确率不变
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
4条回答 默认 最新
- 2025-07-11 15:10南明小王爷的博客 在现代人工智能和深度学习的发展浪潮中，利用GPU进行高性能计算已成为行业标准。TensorFlow作为一款由谷歌开发的开源机器学习框架，在其核心版本TensorFlow-GPU中集成了对GPU计算的原生支持，大大提高了深度学习模型...
- 2020-08-14 20:13SinHao22的博客 最近在学习台大李宏毅老师的ML/DL的网课，学到CNN那一章想着做一下作业3（用CNN实现一个11种食物分类的模型），模型搭建好后跑了一下，结果要一个多小时才能出结果，而且准确率还不是很高（53%左右），遂想修改下...
- 2025-02-21 06:06在深度学习领域，卷积神经网络（CNN）是处理图像数据的一种强大且广泛使用的算法。CNN通过模拟人类视觉系统的...随着技术的不断进步和应用场景的拓展，TensorFlow和CNN无疑将继续在人工智能领域扮演着至关重要的角色。
- 2026-01-19 06:03GoldenleafLynx28的博客 本文介绍了基于星图GPU平台自动化部署TensorFlow-v2.15镜像的高效方案，助力开发者低成本实现AI模型训练。该镜像预集成CUDA与cuDNN环境，支持一键启动GPU加速，适用于图像分类、推荐系统等典型场景，显著提升训练...
- 2023-08-10 08:42光子AI的博客 作者：禅与计算机程序设计艺术...Tensorflow是一个开源的深度学习框架，其GPU版本的运行速度非常快，但是在搭建GPU环境方面还是有一些坑需要解决。这篇文章将详细讲述如何安装配置TensorFlow GPU加速环境。 1. 背景介绍
- 2025-12-31 14:37DataInnovator的博客 通过GitHub Actions与Docker结合，实现TensorFlow-v2.9模型的自动化训练与部署。...采用容器化封装运行时依赖，配合远程GPU服务器和自托管Runner，支持长时间、高资源消耗的AI训练流程，提升团队协作效率。
- 2026-01-15 01:41ObsidianRaven13的博客 本文介绍了基于星图GPU平台自动化部署TensorFlow-v2.15镜像的完整方案，助力AI教学高效开展。该平台支持开箱即用的云端GPU环境，3分钟内即可完成实例启动与JupyterLab接入，无需本地配置。通过预置镜像，师生可快速...
- 2025-12-31 09:20xinwuji312的博客 企业AI项目常因环境不一致导致模型无法复现或部署失败。采用TensorFlow-v2.9容器镜像可统一开发与生产环境，避免依赖冲突和版本错配。通过Docker封装CUDA、cuDNN及常用库，实现一次构建、处处运行，提升团队协作效率...
- 2025-12-31 15:24张哲华的博客 基于TensorFlow-v2.9的Docker镜像为深度学习研究提供了稳定、一致且可复现的运行环境，有效解决因版本差异导致的代码无法运行问题。通过全栈版本锁定、GPU支持与容器化部署，实现跨平台快速启动、协作对齐和评审验证...
- 2025-07-06 14:26智圈知识产权的博客 TensorFlow起源于Google大脑团队的内部项目，目的是为机器学习和深度学习研究提供一个强大的计算框架。自从2015年开源以来，TensorFlow已经成为工业界和学术界广泛使用的深度学习库，其社区活跃，版本迭代频繁，支持...
- 没有解决我的问题, 去提问
问题事件
系统已结题
8月28日
赞助了问题酬金5元
8月20日-
创建了问题
8月20日