出了官方商店，目前许多三方应用商店已经有了许多用户自行上传的 GPU 更新文件，面向 SoC 也不只有高通骁龙 865。我认为尝鲜可以，但是最好不要更新主力机，毕竟还是有不稳定的可能性。

高通在此前的骁龙 865 发布会上公布了 GPU 独立更新功能，这可以看做是 Android 系统 Project Mainline 的一部分，允许用户以更新软件的方式更新手机的 GPU 驱动，获得更好的游戏表现以及兼容性，而不用等待系统更新。

目前小米应用商店上架了一款名为 GPU 驱动更新的应用，应用介绍称「支持 GPU 驱动的独立更新功能，使游戏或应用能够自由适配最新的 GPU 驱动」。本次 GPU 驱动更新主要是升级崩坏 3、和平精英、堡垒之夜等游戏的稳定性，增强 Vulkan 性能。

小米游戏盒子gpu0%

可以通过应用市场完成 GPU 驱动更新是高通骁龙 865 移动平台的一个重要特性之一，它使得用户无需等待系统更新就可以升级自己手里设备的驱动程序，从而获得有可能的性能以及稳定性提升。

为了解决数据读取和预处理速度的问题，Nvidia推出了Data Loading Library[1]，包含了诸如数据加载、解码、裁剪、resize还有许多数据增强功能。并且还能够将数据预处理阶段放到显卡上运行，进一步提高了数据增强的效率，目前已经可以轻松地被部署到TensorFlow,PyTorch,MXNet和PaddlePaddle框架。实测在使用Pytorch+DALI能够比原来的速度提高将近四倍！[2]

预读就是在GPU还在训练一个batch的同时，CPU也没有闲着，赶紧把数据读到内存中并进行数据预处理。在Pytorch1.7以前，一般使用Nvidia的apex库来进行prefetch。但是有个问题就是可能会存在内存泄漏的问题，具体原因可以参考

都2021年了，现在SATA接口的SSD价格早已跌破0.5元1G了，建议可以换个大容量的SSD，提高工作效率。手头比较宽松的小伙伴/实验室也可以考虑一下NVMe协议的固态，速度直接起飞。

相比于机械硬盘来说，内存的速度可是快了几个量级，基本上可以说读取无延迟。因此，如果内存够大的话，的确可以先把数据全部都挂载在内存上，然后训练的时候直接从内存读取。

假如我们训练的图片都是比较小，但是数量比较多的情况下，我们可以采取将数据打包成一个大的文件，比如hdf5/pth等格式。这种方式主要是降低了机械硬盘的寻道时间还有OS开启/关闭文件描述符的时间。实现的方法可以参考上述repo。

数据读取速度慢主要是两个方面的问题：1.数据在机械硬盘中不是连续存储的三国杀网页游戏是智商吗，因此多个小文件的读取会浪费很多时间在寻道上；2.机械硬盘的物理特性决定其读取速度的上限。

通过pycharm的run/profile xxx，我们可以看到程序执行的调用图，并且可以显示每个步骤的耗时以及其占比。通过这个工具，我们可以分析在整套训练代码中时间的瓶颈，因此也能够更加准确的定位程序运行慢的症结所在。下图为profile收集一个epoch结果之后所产生的调用图。

榨干GPU的显存，使模型成功跑起来已有多种教程。但是，又一个问题来了，GPU的利用率总是一会99%，一会10%，就不能一直99%榨干算力？导致算力不能够完全利用的原因是数据处理的速度没有跟上网络的训练速度。因此，我们的抓手在于提高数据的读取、预处理速度。

专题： 盒子游戏三国杀   劲玩游戏盒子   游戏折扣盒子