python - 使用 model.fit_generator 时 keras val 非常慢

Question

当我在 Keras 中使用我的数据集基于 Resnet-50 时(后端是 tensorflow)，我觉得很奇怪，在每个纪元之后，val 都比 train 慢。我不知道为什么，是因为我的GPU没有足够的内存吗？我的 GPU 是 K2200，内存为 4 GB。我误解了段落的意思吗？

我有 35946 火车图片，所以我使用:

samples_per_epoch=35946,

我有8986 val pic所以我用:

 nb_val_samples=8986,

以下是我的部分代码:

train_datagen = ImageDataGenerator(
    rescale=1./255,
    featurewise_center=False,  # set input mean to 0 over the dataset
    samplewise_center=False,  # set each sample mean to 0
    featurewise_std_normalization=False,  # divide inputs by std of the dataset
    samplewise_std_normalization=False,  # divide each input by its std
    zca_whitening=False,  # apply ZCA whitening
    rotation_range=20,  # randomly rotate images in the range (degrees, 0 to 180)
    width_shift_range=0.1,  # randomly shift images horizontally (fraction of total width)
    height_shift_range=0.1,  # randomly shift images vertically (fraction of total height)
    horizontal_flip=True,  # randomly flip images
    vertical_flip=False,
    zoom_range=0.1,
    channel_shift_range=0.,
    fill_mode='nearest',
    cval=0.,

)
test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
    'data/train',
    batch_size=batch_size,
    class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
    'data/val',
    batch_size=batch_size,
    class_mode='categorical')
model.fit_generator(train_generator,
                    # steps_per_epoch=X_train.shape[0] // batch_size,
                    samples_per_epoch=35946,
                    epochs=epochs,
                    validation_data=validation_generator,
                    verbose=1,
                    nb_val_samples=8986,
                    callbacks=[earlyStopping,saveBestModel,tensorboard])

Answer 1

@Yanning 正如您在评论中提到的那样，第一个时期很慢，因为 ImageDataGenerator 正在将数据从磁盘读取到 RAM。这部分非常慢。将数据读入 RAM 后，只需将数据从 RAM 读取和传输到 GPU 即可。

因此，如果您的数据集不是很大并且可以放入您的 RAM，您可以尝试从所有数据集中创建一个 numpy 文件并在开始时读取这些数据。这将节省大量的磁盘寻道时间。

请查看这篇文章以比较不同操作所花费的时间:

Latency Numbers Every Programmer Should Know

延迟比较数字

Main memory reference                         100 nsRead 1 MB sequentially from memory        250,000 ns Read 1 MB sequentially from SSD         1,000,000 nsRead 1 MB sequentially from disk       20,000,000 ns