Keras运行迭代一定代数以后,速度越来越慢,经检查是因为在循环迭代过程中增加了新的计算节点,导致计算节点越来越多,内存被占用完,速度变慢。

判断是否在循环迭代过程中增加了新的计算节点,可以用下面的语句:

tf.Graph.finalize()

如果增加了新的计算节点,就会报错,如果没有报错,说明没有增加计算节点。

补充知识:win10下pytorch,tensorflow,keras+tf速度对比

采用GitHub上的代码

运行类似vgg模型,在cifar10上训练,结果朋友torch与tensorflow速度相当,远远快过keras。

pytorch tensorflow keras+tensorflow version 0.4.0 1.8.0 Keras: 2.1.6 Tensorflow: 1.8.0 train time: 1min 14s 1min 9s 1min 51s evaluate time: 378 ms 9.4 s 826 ms

以上这篇解决keras backend 越跑越慢问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

标签:
keras,backend

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com

评论“解决keras backend 越跑越慢问题”

暂无“解决keras backend 越跑越慢问题”评论...

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。