每次循环时，Keras get_weights 需要更长的时间来计算答案

【问题标题】：Keras get_weights takes longer to compute each time when looping每次循环时，Keras get_weights 需要更长的时间来计算
【发布时间】：2018-08-03 19:44:07
【问题描述】：

我正在尝试使用遗传算法训练 keras 模型，因此对于每一代，我都会生成 100 个随机模型，以将部分模型用作人口的突变。合并和变异时，我直接将权重作为 numpy 数组进行处理，但我注意到，使用 get_weights 函数时，每次运行它都需要更长的时间，即使我每次都从相同大小的模型中获取权重.我简化了代码以在下面显示此行为：

import time
import numpy as np
from keras.layers.core import Dense, Activation
from keras.models import Sequential

def build_model():
    model = Sequential()

    model.add(Dense(
        input_dim=12,
        output_dim=8))

    model.add(Dense(
        output_dim=4))
    model.add(Activation("linear"))

    model.compile(loss="mse", optimizer="rmsprop")
    return model

while True:    
    model = build_model()
    start_time = time.time()
    mut1 = np.array(model.layers[0].get_weights())
    mut2 = np.array(model.layers[1].get_weights())
    print(time.time() - start_time)
    del(mut1)    ##
    del(mut2)    ## Added these to rule-out a memory issue
    del(model)   ##

在前 50 次左右的迭代后，行为变得清晰。我已经尝试在 pycharm 中进行调试，但至少查看变量列表，没有一个 rouge 变量不断变大或没有被删除，一切看起来都是我期望的。任何想法为什么计算时间不断增加？

还有一点需要注意，我已经对 build_model() 函数进行了类似的计时，并且它在我的计算机上需要一个恒定的 0.07 秒，所以我认为这不是问题的根源。

谢谢！

【问题讨论】：

标签： python keras

【解决方案1】：

Keras 似乎在幕后存储会话信息，如果有人对此有更多信息，请提供更深入的答案，以防将来有人遇到像我这样的问题。在那之前，我发现只需添加

    keras.backend.clear_session()

在每个循环之间解决问题。

【讨论】：