Epoch的步骤在GPU上花费了太长时间

Question

我正在尝试训练一个模型，在我看来，与其他数据集相比，该模型花费的时间太长，因为完成一个历元需要大约1小时和20分钟。我认为问题是因为数据集没有存储在ram上，但我不确定这一点。

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个卷积层，64个神经元，激活=relu
• 平整和致密层，激活=relu
• 退出0.5
• 具有sigmoid激活的输出层（致密）
• Adam optimizer
• 损失：二进制交叉熵

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个图像和2个类。
• 我按照本教程构建了模型。
• 我的GPU是GTX 1060 3gb。
• 8gb内存。
• 图像正在重塑为200x200。

如果你能帮我，我将不胜感激。非常感谢！

编辑：我已经按照Matias Valdenegro的建议做了，尽管完成一个历元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。这就是我真正想要改进的地方。很抱歉造成混淆。

Answer 1

每个历元的步数完全错误，应将此参数设置为训练图像数除以批次大小。

这个参数的作用是告诉keras要从生成器中提取多少批次来声明一个历元。如果您将其设置得太高（正如您所做的），那么keras会在显示一个历元之前提取多个历元的数据，这就解释了您所看到的性能问题。

您不能任意设置此参数。