解决keras backend 越跑越慢问题
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脚本之家。
相关文章
Python+Selenium定位不到元素常见原因及解决办法(报:NoSuchElementException)
这篇文章主要介绍了Python+Selenium定位不到元素常见原因及解决办法(报:NoSuchElementException),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2021-03-03
Python Tornado实现WEB服务器Socket服务器共存并实现交互的方法
这篇文章主要介绍了Python Tornado实现WEB服务器Socket服务器共存并实现交互的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2020-05-05


最新评论