本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 优化
<a name="tutorial-gpu-opt"></a>

要充分利用您的数据 GPUs，您可以优化数据管道并调整深度学习网络。如以下图表所述，神经网络的简单或基本实施对 GPU 的使用可能会不一致且不充分。当您优化预处理和数据加载时，您可以从您的 CPU 到 GPU 减少瓶颈。您可以通过使用混合化（该框架支持时）、调整批大小并同步调用来调整神经网络本身。您也可以在大多数框架中使用多精度（float16 或 int8）训练，从而可以显著提高吞吐量。

以下图表显示应用不同优化时的累积性能提升。您的结果将取决于要处理的数据和要优化的网络。

![的性能增强 GPUs](http://docs.aws.amazon.com/zh_cn/dlami/latest/devguide/images/performance-enhancements.png)


以下指南介绍将使用您的 DLAMI 并帮助您提升 GPU 性能的选项。

**Topics**
+ [预处理](tutorial-gpu-opt-preprocessing.md)
+ [训练](tutorial-gpu-opt-training.md)