python - Keras fit_generator 运行很慢

Question

我有一个使用以下代码声明的 Keras 模型:

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(units=50, activation="tanh", return_sequences=False, input_shape=(settings["past_size"], len(indicators_used))))
model.add(tf.keras.layers.Dense(3, activation="softmax"))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit_generator(
    generator=batch_generator(train_x, train_y),
    steps_per_epoch=n_batches_per_epoch,
    epochs=settings["epochs"],
    workers=5,
    use_multiprocessing=True,
    max_queue_size=10000)

我尝试了 workers、use_multiprocessing 和 max_queue_size 设置但无济于事。输入形状是 (100000, 500, 27)。

批处理生成器函数如下所示:

def batch_generator(x, y):
    while True:
        for i in range(n_batches_per_epoch):
            x_train = []
            y_train = []
            for j in range(settings["past_size"] + settings["batch_size"] * i, settings["past_size"] + (settings["batch_size"] * (i + 1))):
                x_train.append(x.iloc[j - past_size:j].to_numpy())
                y_train.append(y.iloc[j].to_numpy())
            return_x, return_y = np.array(x_train), np.array(y_train)
            yield return_x, return_y

执行时间:

• 批量大小 256:767 毫秒/步
• 批量大小 512:1 秒/步
• 批量大小 1024:2 秒/步

我现在面临的问题是 Keras 训练过程非常慢。一个纪元大约需要 45 分钟。我无法使用 model.fit()，因为数据对于 RAM 来说太大了。

我对 batch_generator 功能的理解是，该函数准备批处理并将它们加载到 GPU/TPU 上，但事实似乎并非如此。此代码使用 TPU 运行时在 Google Colab 中运行。

Answer 1

在 Google colab 环境中，您需要将模型显式转换为 TPU 兼容版本。这是我上次使用 Google Colab 时犯的错误。

TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR']
tpu_model = tf.contrib.tpu.keras_to_tpu_model(
    model,
    strategy=tf.contrib.tpu.TPUDistributionStrategy(
    tf.contrib.cluster_resolver.TPUClusterResolver(TPU_WORKER)))

tpu_model 与 model 具有相同的接口(interface)。

指南: https://medium.com/tensorflow/tf-keras-on-tpus-on-colab-674367932aa0

不幸的是，这似乎不适用于 Sequential api。