检查 tensorflow 2 急切执行状态
Check tensorflow 2 eager execution status
我有一个旧的 Keras 代码，我已将其移植到 tensroflow2 tf.keras，并进行了最小的更改。它现在 运行s 在 GPU 上慢 2 倍，但它正在使用 GPU。我用过
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
在我的每个脚本的顶部（我创建模型并使用单独的 .py 文件对其进行训练），但我怀疑可能以某种方式开启了急切执行。
我不使用 fit_generator 但我确实使用 train_on_batch 并手动执行循环，因为我正在训练对抗网络。
我怎样才能 check/ensure 急切执行一直处于关闭状态？我 运行 的主要脚本是 train.py，它从其他脚本导入函数。
你可以使用 tf.executing_eagerly() which returns True 当 eager execution 开启时。您还可以使用 tensorboard 来检查您的 GPU 的状态，并详细检查问题以找出问题可能出在哪里。这两个链接应该可以为您提供更多信息。
我有一个旧的 Keras 代码，我已将其移植到 tensroflow2 tf.keras，并进行了最小的更改。它现在 运行s 在 GPU 上慢 2 倍，但它正在使用 GPU。我用过
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
在我的每个脚本的顶部（我创建模型并使用单独的 .py 文件对其进行训练），但我怀疑可能以某种方式开启了急切执行。
我不使用 fit_generator 但我确实使用 train_on_batch 并手动执行循环，因为我正在训练对抗网络。
我怎样才能 check/ensure 急切执行一直处于关闭状态？我 运行 的主要脚本是 train.py，它从其他脚本导入函数。
你可以使用 tf.executing_eagerly() which returns True 当 eager execution 开启时。您还可以使用 tensorboard 来检查您的 GPU 的状态，并详细检查问题以找出问题可能出在哪里。这两个链接应该可以为您提供更多信息。