在高级深度学习库Keras中，存在多种类型的循环层。这些包括LSTM(长期短期记忆)和CuDNNLSTM。根据Keras documentation，CuDNNLSTM是:
我相信Keras会尽可能自动使用GPU。根据TensorFlow build instructions的说法，要拥有一个可用的TensorFlow GPU后端，您将需要CuDNN:
因此，使用TensorFlow GPU后端的CuDNNLSTM与普通LSTM有何不同？找到可用的TensorFlow GPU后端后，会自动选择CuDNNLSTM并替换普通的LSTM吗？
最佳答案
您为什么不亲自尝试一下，看看呢？
就我而言，使用LSTM训练模型需要10分钟30秒。
只需将 call 从LSTM()切换到CuDNNLSTM()，就花费了不到一分钟的时间。
我还注意到，切换到CuDNNLSTM()也会大大提高model.evaluate()和model.predict()的速度。
关于tensorflow - Keras中的CuDNNLSTM和LSTM有什么区别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49987261/