这事儿其实挺常见的，尤其是你用这么小的数据集测试的时候，核心原因主要有这几点：

• GPU的并行优势需要足够大的数据才能发挥
  GPU天生是为大规模并行计算设计的，就像一个能同时处理上百份任务的工厂，但你现在只给它4个样本的“小订单”，它连生产线都还没完全启动，任务就干完了。而CPU处理这种小任务时，不需要复杂的调度，直接就能快速完成，自然显得更快。

• 数据传输的额外开销拖了后腿
  用GPU训练时，数据得先从你的系统内存（32GB那部分）拷贝到GPU的显存（RTX 2070的8GB显存）里，训练环节结束后还要完成反向传输（哪怕这个案例里没多少返回数据）。对于这么小的数据集，传输数据的时间甚至比GPU实际计算的时间还长，反而帮了倒忙。

• GPU模式的初始化成本太高
  当你把CatBoost的task_type设为GPU时，程序需要初始化CUDA环境、加载对应的GPU计算内核、做设备调度这些准备工作，这些都是固定的时间开销。你这次测试只跑了1000次迭代，这些初始化的时间占了总耗时的大头，而CPU模式几乎没这些额外启动成本，速度自然就上去了。

要是你换成几万甚至几十万样本的真实数据集，你就能明显看到RTX 2070的优势了，那时候GPU的并行计算能力才能真正跑起来，速度绝对能碾压你的Ryzen 7 1700。

内容的提问来源于stack exchange，提问作者Кирилл Мойса