在Google实验室导入数据以进行快速计算和培训的最佳方法？

GPU总是比CPU快吗？没有为什么？因为GPU的速度优化取决于几个因素，

1. 您的代码中有多少部分并行运行/执行，即，您的代码中有多少部分创建了并行运行的线程，Keras会自动进行处理，这在您的方案中应该不是问题。

2. 在CPU和GPU之间发送数据所花费的时间，这是很多人步履蹒跚的地方，假定GPU的性能总是优于CPU，但是如果传递的数据太小，则执行计算所花费的时间（无计算步骤）比将数据/进程分解为线程，在GPU中执行它们，然后再次将它们重新组合到CPU上要少。

由于您使用的batch_size是5 classifier=KerasClassifier(build_fn=build_classifier,epochs=100,batch_size=5)，因此第二种情况看起来很可能，如果您的数据集足够大，则增加batch_size将会提高GPU的性能。

除此之外，您还使用了一个非常简单的模型，正如@igrinis指出的那样，数据仅从驱动器到内存加载一次，因此从理论上讲问题不应该是加载时间，因为数据在驱动器上。