在进行去雨去雪去雾算法的实验过程中，博主使用自己的电脑进行实验，尽管能够成功运行，但速度却属实不尽人意，博主的笔记本显卡是GTX960，显存为4G，在进行实验的过程中，batch-size只能设置为3，好在实验的去噪类型也就只与三种，否则这实验根本无法进行，于是，便萌生了更换笔记本的念头，那么在更换前，就要先做下相关实验，看看性能能够提升多少。
首先记录一下博主在GTX960M上的实验情况：
GTX960M实验情况
显存占用
实验用时
训练一个epoch的实验用时：
可以看到时间大约在15分钟左右。
每训练5个epoch进行一次评估：
属实是太慢了,用时31分钟，而且从结果来看，PSNR与SSIM竟然有些许差距，这才是最严重的，当然这并不是最终结果。
RTX3070实验情况
博主的实验配置为GTX3070（笔记本的哈），显存为8G。那么博主的batch-size就可以调大了，先前在GTX960M时的batch-size为3，若是调整为4则会提示算力不足，而在这里可以将其设置的更大，博主设置batch-size=6。
显存占用
batch-size=6时的显存占用情况：
实验用时
训练一个epoch的实验用时：
评估一个epoch的时间：用时不到6分钟，相比GTX960提升简直不要太大。
关于num_workers
此外，值得注意的是，这里的num_workers博主设置为0，因为先前在服务器上运行时发现num_workers不为0的话会报错，这是程序的问题了，为了避免意外，还是老老实实的设置为0吧。
- GPU是由CPU发送指令和数据来执行计算任务的。在GPU中，线程是由CPU分配的，并且从CPU获取它们需要处理的数据。GPU本身没有能力添加线程或获取数据，它只能按照CPU给定的指令和数据执行计算任务。因此，送数据是由CPU的主线程负责送的。
2.num_workers=0，CPU不分配额外线程，只有一个主线程，负责将数据送到RAM后再将数据送到GPU.
3.num_works=1时，CPU分配一个单独线程专门负责将数据送到RAM，主线程专门负责将数据送到GPU
尽管将其设置的大一些可以提高，但按理说这种情况是不该出现的，这本身就是数据集加载时的问题，因此为了实验严谨，博主在3070的那台电脑上进行了实验，博主首先将num_workers设置为1。
