如何解决keras后端运行速度持续下降的问题？

本文共计397个文字，预计阅读时间需要2分钟。

Keras运行代数后，速度逐渐变慢。经检查，是因为在循环迭代过程中增加了新的计算节点，导致计算节点越来越多，内存占用完，速度变慢。判断是否在循环迭代过程中增加了新的计算节点。

Keras运行迭代一定代数以后，速度越来越慢，经检查是因为在循环迭代过程中增加了新的计算节点，导致计算节点越来越多，内存被占用完，速度变慢。

判断是否在循环迭代过程中增加了新的计算节点，可以用下面的语句：

tf.Graph.finalize()

如果增加了新的计算节点，就会报错，如果没有报错，说明没有增加计算节点。

补充知识：win10下pytorch，tensorflow，keras+tf速度对比

采用GitHub上的代码

运行类似vgg模型，在cifar10上训练，结果朋友torch与tensorflow速度相当，远远快过keras。