如何有效提升Tensorflow模型训练速度的两种策略？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1072个文字，预计阅读时间需要5分钟。
1. 解决方案【方案一】+ 载入模型结构：放置在全局，即tensorflow会话外层。+ 载入模型结构步骤：saver=tf.train.Saver() + 建立会话：with tf.Session() as sess: + 循环训练：for i in range(STEPS): + 开始训练
1 解决方案
载入模型结构放在全局，即tensorflow会话外层。
'''载入模型结构:最关键的一步''' saver = tf.train.Saver() '''建立会话''' with tf.Session() as sess: for i in range(STEPS): '''开始训练''' _, loss_1, acc, summary = sess.run([train_op_1, train_loss, train_acc, summary_op], feed_dict=feed_dict) '''保存模型''' saver.save(sess, save_path="./model/path", i)
在方案一的基础上，将模型结构放在图会话的外部。
本文共计1072个文字，预计阅读时间需要5分钟。
1. 解决方案【方案一】+ 载入模型结构：放置在全局，即tensorflow会话外层。+ 载入模型结构步骤：saver=tf.train.Saver() + 建立会话：with tf.Session() as sess: + 循环训练：for i in range(STEPS): + 开始训练
1 解决方案
载入模型结构放在全局，即tensorflow会话外层。
'''载入模型结构:最关键的一步''' saver = tf.train.Saver() '''建立会话''' with tf.Session() as sess: for i in range(STEPS): '''开始训练''' _, loss_1, acc, summary = sess.run([train_op_1, train_loss, train_acc, summary_op], feed_dict=feed_dict) '''保存模型''' saver.save(sess, save_path="./model/path", i)
在方案一的基础上，将模型结构放在图会话的外部。