[英]Keras fit generator slow
fit_generator
非常慢。 GPU 在训练中不会经常使用,有时它的使用率会下降到 0%。 即使在 4 个工人和multiproceesing=True
。
此外,脚本的进程请求过多的虚拟内存并且处于 D 状态, 不间断睡眠(通常为 IO) 。
我已经尝试了max_queue_size
不同组合,但没有奏效。
截图GPU 使用情况
进程虚拟内存和状态的屏幕截图
硬件信息GPU = Titan XP 12Gb
数据生成器类代码
import numpy as np
import keras
import conf
class DataGenerator(keras.utils.Sequence):
'Generates data for Keras'
def __init__(self, list_IDs, labels, batch_size=32, dim=(conf.max_file, 128),
n_classes=10, shuffle=True):
'Initialization'
self.dim = dim
self.batch_size = batch_size
self.labels = labels
self.list_IDs = list_IDs
self.n_classes = n_classes
self.shuffle = shuffle
self.on_epoch_end()
def __len__(self):
'Denotes the number of batches per epoch'
return int(np.floor(len(self.list_IDs) / self.batch_size))
def __getitem__(self, index):
'Generate one batch of data'
# Generate indexes of the batch
indexes = self.indexes[index*self.batch_size:(index+1)*self.batch_size]
# Find list of IDs
list_IDs_temp = [self.list_IDs[k] for k in indexes]
# Generate data
X, y = self.__data_generation(list_IDs_temp)
return X, y
def on_epoch_end(self):
'Updates indexes after each epoch'
self.indexes = np.arange(len(self.list_IDs))
if self.shuffle == True:
np.random.shuffle(self.indexes)
def __data_generation(self, list_IDs_temp):
'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)
# Initialization
X = np.empty((self.batch_size, *self.dim))
y = np.empty((self.batch_size, conf.max_file, self.n_classes))
# Generate data
for i, ID in enumerate(list_IDs_temp):
# Store sample
X[i, ] = np.load(conf.dir_out_data+"data_by_file/" + ID)
# Store class
y[i, ] = np.load(conf.dir_out_data +
'data_by_file/' + self.labels[ID])
return X, y
python脚本的代码
training_generator = DataGenerator(partition['train'], labels, **params)
validation_generator = DataGenerator(partition['validation'], labels, **params)
model.fit_generator(generator = training_generator,
validation_data = validation_generator,
epochs=steps,
callbacks=[tensorboard, checkpoint],
workers=4,
use_multiprocessing=True,
max_queue_size=50)
如果您使用的是 Tensorflow 2.0,您可能会遇到此错误: https : //github.com/tensorflow/tensorflow/issues/33024
解决方法是:
tf.compat.v1.disable_eager_execution()
model.fit
而不是model.fit_generator
。 前者无论如何都支持生成器。无论 Tensorflow 版本如何,这些原则都适用:
尽管生成器在 1.13.2 和 2.0.1(至少)中运行缓慢,但似乎确实存在问题。 https://github.com/keras-team/keras/issues/12683
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.