keras model.fit_generator() 使用速度比 model.fit() 慢数倍

即使在 Keras 1.2.2 版本中,参考合并,虽然已经包含了多处理功能,但由于磁盘读取速度的限制,model.fit_generator() 的速度仍然比 model.fit() 慢大约 4-5 倍。要如何通过额外的多处理来加速呢?


回答:

你可以查看 fit_generator()workersmax_queue_size 参数,具体可以在文档中找到。增加 workers 的数量可以创建更多的线程来加载数据到队列中,从而为你的网络提供数据。不过,填充队列可能会导致内存问题,因此你可能需要减少 max_queue_size 来避免这种情况。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注