因此,我在家里的电脑上安装了 Ubuntu 18.04,目的是进行机器学习工作。之前,我在 Windows 操作系统上的工作量涉及我在 VS-code 中直接运行几个(10 个左右)python 脚本。我会使用 ctrl+shift+5 命令在它们自己的终端中运行每个脚本。代码涉及训练一些神经网络并不断将参数保存到不同的文件夹,而不会干扰我正在运行的不同脚本。我正在使用 conda,但目前我正在运行的代码仅依赖于 CPU,因为网络很小。所以昨晚我使用 Ubuntu 做了同样的事情,只运行了 4 个终端,但令我惊讶的是,它们甚至没有完成。我无法给出确切的时间,但它非常明显,在目前的情况下,我无法将此操作系统用于我的工作。我尝试测试,看看当我直接从终端而不是在 vscode 中运行它们时是否效果更好,但没有区别。我确实注意到,当我从运行两个终端到添加第三个终端时,速度就会变慢。尽管我的 CPU 使用率在所有线程上都达到 100%,但 Windows 运行这些脚本的速度要快得多(至少快 10 倍)。我还检查了这个问题是否只发生在我使用 CPU 训练网络时,结果确实如此。使用 GPU,我获得的性能与我的 Windows 操作系统相同。
我已经检查过,以确保 RAM 或缓存没有瓶颈处理器也免费-m和顶部但我什么也没找到。这个问题似乎非常具体,我在网上搜索也没有找到解决方案。如果这不属于这个主题,我很抱歉,但如果能解决这个问题就好了,因为我想继续使用 Ubuntu 来工作。
以下是我的系统的一些细节:
OS: Ubuntu 18.04.4 LTS x86_64
Host: Z390 AORUS MASTER
Kernel: 5.3.0-62-generic
Uptime: 12 mins
Packages: 1773
Shell: bash 4.4.20
Resolution: 2560x1440
DE: GNOME 3.28.4
WM: GNOME Shell
WM Theme: Adwaita
theme: Ambiance [GTK2/3]
cons: Ubuntu-mono-dark [GTK2/3]
Terminal: gnome-terminal
CPU: Intel i9-9900K (16) @ 5.000GHz
GPU: NVIDIA NVIDIA Corporation GV102
Memory: 2468MiB / 32046MiB
以下是我在运行进程时 top 的输出:
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME COMMAND
5310 mark 20 0 6451952 203204 116764 R 400.0 0.6 14:32.12 python
5403 mark 20 0 6439128 194616 114152 R 398.0 0.6 13:40.28 python
5446 mark 20 0 6439108 194504 114040 R 397.0 0.6 13:25.91 python
5359 mark 20 0 6439408 195596 115000 R 394.0 0.6 14:08.41 python