python - Keras 拟合生成器慢

Question

Keras fit_generator 很慢。 GPU 在训练中不会经常使用，有时它的使用率会下降到 0%。即使在 4 个 worker 和 multiproceesing=True .

此外，该脚本的进程请求过多的虚拟内存并处于 D 状态，uninterruptible sleep (usually IO) .

我已经尝试了 max_queue_size 的不同组合但它没有用。

Screenshot GPU使用

Screenshot进程虚拟内存和状态

Hardware Info
GPU = Titan XP 12Gb

数据生成器类代码

import numpy as np
import keras
import conf


class DataGenerator(keras.utils.Sequence):
    'Generates data for Keras'
    def __init__(self, list_IDs, labels, batch_size=32, dim=(conf.max_file, 128),
                 n_classes=10, shuffle=True):
        'Initialization'
        self.dim = dim
        self.batch_size = batch_size
        self.labels = labels
        self.list_IDs = list_IDs
        self.n_classes = n_classes
        self.shuffle = shuffle
        self.on_epoch_end()

    def __len__(self):
        'Denotes the number of batches per epoch'
        return int(np.floor(len(self.list_IDs) / self.batch_size))

    def __getitem__(self, index):
        'Generate one batch of data'
        # Generate indexes of the batch
        indexes = self.indexes[index*self.batch_size:(index+1)*self.batch_size]

        # Find list of IDs
        list_IDs_temp = [self.list_IDs[k] for k in indexes]

        # Generate data
        X, y = self.__data_generation(list_IDs_temp)

        return X, y

    def on_epoch_end(self):
        'Updates indexes after each epoch'
        self.indexes = np.arange(len(self.list_IDs))
        if self.shuffle == True:
            np.random.shuffle(self.indexes)

    def __data_generation(self, list_IDs_temp):
        'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)
        # Initialization
        X = np.empty((self.batch_size, *self.dim))
        y = np.empty((self.batch_size, conf.max_file, self.n_classes))
        # Generate data
        for i, ID in enumerate(list_IDs_temp):
            # Store sample
            X[i, ] = np.load(conf.dir_out_data+"data_by_file/" + ID)

            # Store class
            y[i, ] = np.load(conf.dir_out_data +
                            'data_by_file/' + self.labels[ID])

        return X, y

python脚本的代码

training_generator = DataGenerator(partition['train'], labels, **params)

validation_generator = DataGenerator(partition['validation'], labels, **params)

model.fit_generator(generator = training_generator,
                    validation_data = validation_generator,
                    epochs=steps,
                    callbacks=[tensorboard, checkpoint],
                    workers=4,
                    use_multiprocessing=True,
                    max_queue_size=50)

Answer 1

如果你使用的是 Tensorflow 2.0，你可能会遇到这个错误:https://github.com/tensorflow/tensorflow/issues/33024

解决方法是:

调用 tf.compat.v1.disable_eager_execution()在代码开头

使用 model.fit而不是 model.fit_generator .前者无论如何都支持生成器。

降级到 TF 1.14

无论 Tensorflow 版本如何，这些原则都适用:

限制您正在执行的磁盘访问量，这通常是一个瓶颈。

检查训练和验证中的批量大小。验证中的批量大小为 1 会非常慢。

尽管生成器在 1.13.2 和 2.0.1(至少)中运行缓慢，但似乎确实存在问题。 https://github.com/keras-team/keras/issues/12683