Epoch 在 GPU 上的步骤太长了

Question

我正在尝试训练一个模型，鉴于完成一个 epoch 大约需要 1 小时和 20 分钟，我认为该模型与其他数据集相比花费的时间太长。我认为问题在于数据集没有存储在 ram 上，但我不确定。

代码如下：

def load_data():

    train_datagen = ImageDataGenerator(rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True)
    train_generator = train_datagen.flow_from_directory(path1, target_size=(200, 200), batch_size=32, class_mode="binary")

    test_datagen = ImageDataGenerator(rescale=1./255)
    test_generator = test_datagen.flow_from_directory(path2, target_size=(200, 200),batch_size=32, class_mode="binary")

    return train_generator, test_generator

型号：

• 顺序模型
• 2 个卷积层，32 个神经元，激活 = relu。
• 1 卷积层有 64 个神经元，激活 = relu。
• 扁平化和密集层，激活 = relu。
• 0.5 的辍学
• 具有 sigmoid 激活的输出层（密集）。
• 亚当优化器。
• 损失：二元交叉熵。

适合：

model.fit_generator(x, steps_per_epoch=500, epochs=50, validation_data=y, validation_steps=len(y)/32, callbacks=[tensorboard])

• 我的数据集有 1201 张图片和 2 个类。
• 我按照this 教程构建了模型。
• 我的 GPU 是 GTX 1060 3gb。
• 8GB 内存。
• 图像正在重新调整为 200x200。

如果您能帮助我，我将不胜感激。非常感谢！

编辑： 我已经按照 Matias Valdenegro 的建议做了，尽管完成一个 epoch 所需的时间确实较短，但我意识到我的 GPU 需要 10 秒才能完成一个步骤。这是我真正想要改进的地方。很抱歉造成混乱。

Answer 1

您的steps_per_epoch 完全错误，您应该将此参数设置为训练图像数除以批量大小。

这个参数的作用是告诉 keras 要从生成器中提取多少批次，以便声明一个 epoch。如果您将其设置得太高（就像您所做的那样），那么 keras 会在向您显示一个 epoch 之前提取多个 epoch 的数据，这解释了您看到的性能问题。

这个参数不能随意设置。