https://www.tensorflow.org/performance/performance_guide#use_nchw_image_data_format
我已经读过cuDNN在NCHW（第二轴上的特征映射）方面有更好的性能，但是NHWC在CPU上更好（最后一轴上的特征映射）。
从TensorFlow 1.2开始，我想知道是否仍然建议手动支持这两种格式，或者是否有理由期望tf.train，tf.layers等根据需要自动处理维度重新排序（我相信它们应该！ ）。手动支持这两种数据格式感觉很丑陋，就像漏洞抽象的实现细节一样，我作为TensorFlow用户不应该知道，因此我想避免它。
此外，通过使用NCHW代替NHWC进行GPU培训可以获得多少合理的性能提升？
答案 0 :(得分：0)
知道你在NHWC模式下发现CPU执行速度更快的地方会很有趣。 DNN的英特尔MKL库默认使用NCHW格式，据我所知，使用另一个opaque, SIMD-friendly format internally。所以你去NCHW，至少你不需要维护两个版本。
我不知道你可以期待什么样的收获。由于CuDNN本身使用NCHW顺序，我认为tensorflow不会在每一层来回转换格式，而只在需要时转换回NHWC（例如，当您明确要求张量值时）。因此，除非你在标准的CuDNN操作之外做很多异国情调，否则如果收益很小，我不会感到惊讶。但这只是一个没有受过教育的猜测。