つづき
１２．処理速度
１２．１ CPUとGPU
１０項までのパラメータとCNN構造で正解率０．８８６２を得た時の
処理時間は１０１．６秒で２３ｓｔｅｐであった。この時の環境では、
CPU（Core i5-9600K）とGPU（RTX2060）の両方を使っていた。
CPUだけで計算した時(*1)の処理時間を比べてみた。サンプルとして、
最初のｓｔｅｐの処理時間を測定した。約２１．６倍の差が出た。
| 使用ハードウェア | CPUとGPU | CPUだけ |
| 処理時間（秒） | ５．１ | １１０．２ |
| CPU使用率（％） | ３０ | １００ |
| GPU使用率（％） | ６ | １ |
例１）CPUとGPU
処理時間
CPUとGPUの負荷
例２）CPUだけ
処理時間
CPUとGPUの負荷
(*1)下記のコードでGPUがオフになった。
下記のWEBページにお世話になりました。ありがとうございます。
・Keras on jupyter notebook でGPUを使わない
１２．２ テンソルコアの効果
残念ながら、テンソルコアの使用をオフする方法が分からなかったので、測定出来なかった。
NVIDIA Deep Leraning Frameworks Documentationの7.1.6によれば、デフォルトが
テンソルコア有効になっている。（自分の環境ではCUDNNをバックグラウンドで使っている。）
１２．３ FP16とFP32の違い
NVIDIA Deep Leraning Frameworks Documentationの2.9.4にはFP32データの
場合には、FP16に変換してからテンソルコアを使うと書いてある。下図はその抜粋である。
１）FP16
２）FP32
しかし、１０項までのパラメータとCNN構造で正解率０．８８６２を得た場合で比較したが、
FP16とFP32では処理時間が同じであった。
＜個人的な感想＞
テンソルコアの効果を調べたかったが、どのようなコード（命令文）をjupyter notebookから
入力すれば良いか分からなかった（WEBで色々探したが・・・）。これが残念である。