首頁猿問原始 Python...

原始 Python 'for' 循環(huán)是否會(huì)降低 TensorFlow 的訓(xùn)練性能

Python

慕蓋茨4494581 2023-02-22 15:44:19

當(dāng)只有 1 個(gè)輸入（輸入到占位符）時(shí)，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(dāng)有多個(gè)輸入時(shí)（提供給多個(gè)占位符），Keras 不允許提供多個(gè)數(shù)據(jù)集，因此使用原始 Python 'for' 循環(huán)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?yàn)?Python 是解釋器并在字節(jié)碼上運(yùn)行，所以“for”循環(huán)應(yīng)該很慢。恐怕使用自定義“for”循環(huán)會(huì)降低訓(xùn)練性能。是真的嗎？

查看完整描述

2 回答

Smart貓小萌

TA貢獻(xiàn)1911條經(jīng)驗(yàn) 獲得超7個(gè)贊

您可以調(diào)整 from_tensor_slices 以使其保持為 2 個(gè)元素的元組，并且第一個(gè)元素本身就是一個(gè)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(shù)據(jù)集合并為單個(gè)數(shù)據(jù)集的另一種選擇也可能是使用zip 方法

反對(duì) 回復(fù) 2023-02-22

函數(shù)式編程

TA貢獻(xiàn)1807條經(jīng)驗(yàn) 獲得超9個(gè)贊

我發(fā)現(xiàn)沒有必要使用“for”循環(huán)。我可以通過僅使用 Keras 來避免使用“for”循環(huán)，同時(shí)我仍然可以使用多個(gè) 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(duì) 回復(fù) 2023-02-22

2 回答
0 關(guān)注
206 瀏覽

關(guān)注

添加回答

舉報(bào)

0/150

提交

取消

使用 Ctrl+D 可將網(wǎng)站添加到書簽

微信客服

購課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)

第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

熱搜

最近搜索清空

原始 Python 'for' 循環(huán)是否會(huì)降低 TensorFlow 的訓(xùn)練性能

原始 Python 'for' 循環(huán)是否會(huì)降低 TensorFlow 的訓(xùn)練性能

2 回答

添加回答