为何PC训练自定义AI分类模型比无GPU笔记本慢？

我正在训练一个自定义图像分类模型，测试发现训练速度差异显著：

• 配置2核CPU、32GB RAM、4GB GPU的Windows11 PC，训练耗时近1小时；
• 无GPU、仅8GB RAM的Windows10笔记本，训练仅需10分钟。

训练代码如下：

target = []
images =[]
flat_data =[]

DATADIR = r"Images"
CATEGORIES = ['cat1', 'cat2', 'cat3', 'cat4']

for cat in CATEGORIES:
    class_num = CATEGORIES.index(cat)
    path = os.path.join(DATADIR, cat)
    for img in os.listdir(path):
        img2 = Image.open(os.path.join(path, img))
        compression_image = img2.info['compression']
        if(compression_image == 'group4'):
            img2.save(os.path.join(path, img), compression='tiff_lzw')                                                      
        img_array = imread(os.path.join(path, img))
        img_resized = resize(img_array, (200 , 200))
        flat_data.append(img_resized.flatten())
        images.append(img_resized)
        target.append(class_num)
        
flat_data = np.array(flat_data)
target = np.array(target)
images = np.array(images)

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test= train_test_split(flat_data, target, test_size=0.3, random_state=109)

from sklearn.model_selection import GridSearchCV
from sklearn import svm

param_grid = [
    {'C': [1, 10, 100, 1000], 'kernel': ['linear']},
    {'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001], 'kernel': ['rbf']}
]

svc = svm.SVC(probability=True)
clf = GridSearchCV(svc, param_grid)
clf.fit(x_train, y_train)

请问造成这种速度差异的原因是什么？

1. CPU核心数与单核心性能的矛盾 #

你的训练流程完全依赖CPU——sklearn的SVM模型不支持GPU加速，PC的4GB GPU全程处于闲置状态。而GridSearchCV默认使用单核心运行，SVM训练本身也是单线程任务，此时单核心性能是关键：

• Windows11 PC是2核CPU，若其单核心性能远低于笔记本CPU，哪怕总核心数看似持平，实际训练效率也会大幅落后。

2. 磁盘IO瓶颈 #

代码中包含图像重写逻辑：检测到group4压缩格式的图像时，会重新保存为tiff_lzw格式。如果PC使用的是机械硬盘，读写速度远慢于笔记本的固态硬盘（SSD），这部分IO操作会占用大量时间。数据集越大，磁盘性能差异带来的耗时差距越明显。

3. 软件环境优化差异 #

• 依赖库编译优化：不同系统下的sklearn、numpy、Pillow等库可能采用不同的编译指令集。比如笔记本的库针对自身CPU（支持AVX2/AVX512等高级指令）做了优化，而PC的库是通用编译版本，运行效率更低。
• 后台资源挤占：Windows11 PC可能有更多后台服务、杀毒软件实时扫描等，抢占了CPU资源，导致训练时可用计算能力被压缩。

4. 内存优势未被利用 #

虽然PC拥有32GB RAM，但你的训练流程（图像扁平化、SVM+GridSearch）对内存需求较低，8GB RAM的笔记本足以应对，大内存无法发挥作用。若PC内存是低速DDR3，而笔记本是DDR4/DDR5，内存带宽差异可能进一步放大速度差距，但这不是核心因素。

内容的提问来源于stack exchange，提问作者Emad Younan