首頁猿問原始 Python...

原始 Python 'for' 循環是否會降低 TensorFlow 的訓練性能

Python

慕蓋茨4494581 2023-02-22 15:44:19

當只有 1 個輸入（輸入到占位符）時，使用 tf.data.Dataset 是最佳的：Data = tf.data.Dataset.from_tensor_slices((Inp,Exp));Data = Data.repeat().shuffle(Dsize).batch(Bsize);Steps = 1000;Epochs = round(Steps/(Dsize/Bsize));...Model.fit(Data, epochs=Epochs, steps_per_epoch=round(Dsize/Bsize));然而，當有多個輸入時（提供給多個占位符），Keras 不允許提供多個數據集，因此使用原始 Python 'for' 循環來提供批次：Data = tf.data.Dataset.from_tensor_slices((Inp1,Inp2,Exp));Data = Data.repeat().shuffle(Dsize).batch(Bsize);Iter = iter(Data);Steps = 1000;...for I in range(Steps): X1,X2,Y = next(Iter); Model.fit(x=[X1,X2], y=Y);因為 Python 是解釋器并在字節碼上運行，所以“for”循環應該很慢?？峙率褂米远x“for”循環會降低訓練性能。是真的嗎？

查看完整描述

2 回答

Smart貓小萌

TA貢獻1911條經驗獲得超7個贊

您可以調整 from_tensor_slices 以使其保持為 2 個元素的元組，并且第一個元素本身就是一個元組。

工作示例：

import numpy as np

import tensorflow as tf

input_1 = tf.keras.Input(shape=(10,))

dense_1 = tf.keras.layers.Dense(4)(input_1)

input_2 = tf.keras.Input(shape=(10,))

dense_2 = tf.keras.layers.Dense(4)(input_2)

x = tf.keras.layers.Concatenate()([dense_1, dense_2])

y = tf.keras.layers.Dense(2)(x)

model = tf.keras.Model([input_1, input_2], y)

model.summary()

dataset_size = 16

batch_size = 4

input_1_values = np.random.random((dataset_size, 10))

input_2_values = np.random.random((dataset_size, 10))

output_values = np.random.random((dataset_size, 2))

dataset = tf.data.Dataset.from_tensor_slices(((input_1_values, input_1_values), output_values))

dataset = dataset.repeat().shuffle(buffer_size=4).batch(batch_size)

steps = 10

model.compile(optimizer="adam", loss="binary_crossentropy")

model.fit(dataset, epochs=1, steps_per_epoch=steps)

將數據集合并為單個數據集的另一種選擇也可能是使用zip 方法

反對回復 2023-02-22

函數式編程

TA貢獻1807條經驗獲得超9個贊

我發現沒有必要使用“for”循環。我可以通過僅使用 Keras 來避免使用“for”循環，同時我仍然可以使用多個 Xes，但不再使用 tf.data.Dataset：

Steps = 1000;

Epochs = round(Steps/(Dsize/Bsize));

Lline = 10;

Lafte = round(Epochs/Lline);

if Lafte==0: Lafte=1;

#Train: Loop

L = Model.evaluate(x=[Inp1,Inp2], y=Exp, steps=round(Dsize/Bsize), batch_size=Bsize,

verbose=0);

print(f"Initavg batch loss: {L:.9f}");

Model.fit(x=[Inp1,Inp2], y=Exp, epochs=Epochs, batch_size=Bsize, shuffle=True,

verbose=0, callbacks=[callback()]);

反對回復 2023-02-22

2 回答
0 關注
214 瀏覽

關注

添加回答

舉報

0/150

提交

取消

亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

熱搜

最近搜索清空

原始 Python 'for' 循環是否會降低 TensorFlow 的訓練性能

原始 Python 'for' 循環是否會降低 TensorFlow 的訓練性能

2 回答

添加回答