Keras 需要很长时间才能进入下一个纪元

Question

在训练 CNN 时，每个 epoch 完成后进入下一个 epoch 需要更多时间，而每个 epoch 可以在 60s-80s 内完成，移动到下一个 epoch 大约需要 5 分钟。我已经提供了我的代码，有什么我遗漏的吗？

#importing the libraries

from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense

#inintializing the ANN

classifier = Sequential()

# Convolutional layer

classifier.add(Conv2D(64,(3,3),input_shape =(128, 128, 3), activation = 'relu'))

#pooling layer
classifier.add(MaxPooling2D(pool_size = (2,2)))

#second convolutional layer
classifier.add(Conv2D(128,(3,3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2,2)))

# flatten
classifier.add(Flatten())

#full connection
classifier.add(Dense(output_dim = 128, activation = 'relu'))

classifier.add(Dense(output_dim = 1, activation = 'sigmoid'))

#compiling the cnn
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

# we create two instances with the same arguments
from keras.preprocessing.image import ImageDataGenerator


train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('dataset/training_set',
                                                 target_size = (128, 128),
                                                 batch_size = 32,
                                                 class_mode = 'binary')

test_set = test_datagen.flow_from_directory('dataset/test_set',
                                            target_size = (128, 128),
                                            batch_size = 32,
                                            class_mode = 'binary')

classifier.fit_generator(training_set,
                         samples_per_epoch = 8000,
                         nb_epoch = 25,
                         validation_data = test_set,
                         nb_val_samples = 2000)

Answer 1

如果您使用 ImageDataGenerator，则无需设置 samples_per_epoch 和 nb_val_samples，因为这是一个序列并且内部包含其长度（当然，如果您使用最新的 Keras 版本）。问题是nb_val_steps用于参数validation_steps，我认为你只是将这个值设置得比正确的值高很多。

如果需要，您应该将 steps_per_epoch 和 validation_steps 设置为正确的值，如果您将 validation_steps 设置为大于 len(val_data) / batch_size 的值，您实际上是在告诉keras 使用比必要更多的数据进行验证，从而减慢验证步骤。

Keras 需要很长时间才能进入下一个纪元

Keras takes long time to go to next epoch

performance

epoch

keras

tensorflow