- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想将大型 numpy ndarray
序列化为 TFRecord
。问题是,这个过程非常缓慢。对于大小为 (1000000, 65) 的数组,它需要将近一分钟的时间。将其序列化为其他二进制格式(HDF5、npy、parquet...)只需不到一秒钟的时间。我很确定有一种更快的方法来序列化它,但我就是想不出来。
import numpy as np
import tensorflow as tf
X = np.random.randn(1000000, 65)
def write_tf_dataset(data: np.ndarray, path: str):
with tf.io.TFRecordWriter(path=path) as writer:
for record in data:
feature = {'X': tf.train.Feature(float_list=tf.train.FloatList(value=record[:42])),
'Y': tf.train.Feature(float_list=tf.train.FloatList(value=record[42:64])),
'Z': tf.train.Feature(float_list=tf.train.FloatList(value=[record[64]]))}
example = tf.train.Example(features=tf.train.Features(feature=feature))
serialized = example.SerializeToString()
writer.write(serialized)
write_tf_dataset(X, 'X.tfrecord')
如何提高 write_tf_dataset
的性能?我的 X
的大小比代码段中的大 200 倍。
我不是第一个提示 TFRecord
性能低下的人。基于this Tensorflow Github issue我做了第二个版本的函数:
import pickle
def write_tf_dataset(data: np.ndarray, path: str):
with tf.io.TFRecordWriter(path=path) as writer:
for record in data:
feature = {
'X': tf.io.serialize_tensor(record[:42]).numpy(),
'Y': tf.io.serialize_tensor(record[42:64]).numpy(),
'Z': tf.io.serialize_tensor(record[64]).numpy(),
}
serialized = pickle.dumps(feature)
writer.write(serialized)
...但如果表现更差。想法?
最佳答案
解决方法是使用 multiprocessing
包。您可以从多个进程写入同一个 TFRecord 文件,或者让每个进程写入不同的文件(我认为推荐使用多个(小)TFRecord 的方法,而不是单个(大)文件,因为它读取速度更快来自多个来源):
import multiprocessing
import os
import numpy as np
import tensorflow as tf
def serialize_example(record):
feature = {
"X": tf.train.Feature(float_list=tf.train.FloatList(value=record[:42])),
"Y": tf.train.Feature(float_list=tf.train.FloatList(value=record[42:64])),
"Z": tf.train.Feature(float_list=tf.train.FloatList(value=[record[64]])),
}
example = tf.train.Example(features=tf.train.Features(feature=feature))
return example.SerializeToString()
def write_tfrecord(tfrecord_path, records):
with tf.io.TFRecordWriter(tfrecord_path) as writer:
for item in records:
serialized = serialize_example(item)
writer.write(serialized)
if __name__ == "__main__":
np.random.seed(1234)
data = np.random.randn(1000000, 65)
# Option 1: write to a single file
tfrecord_path = "/home/appuser/data/data.tfrecord"
p = multiprocessing.Pool(4)
with tf.io.TFRecordWriter(tfrecord_path) as writer:
for example in p.map(serialize_example, data):
writer.write(example)
# Option 2: write to multiple files
procs = []
n_shard = 4
num_per_shard = int(np.ceil(len(data) / n_shard))
for shard_id in range(n_shard):
filename = f"data_{shard_id + 1:04d}_of_{n_shard:04d}.tfrecord"
tfrecord_path = os.path.join("/home/appuser/data", filename)
start_index = shard_id * num_per_shard
end_index = min((shard_id + 1) * num_per_shard, len(data))
args = (tfrecord_path, data[start_index:end_index])
p = multiprocessing.Process(target=write_tfrecord, args=args)
p.start()
procs.append(p)
for proc in procs:
proc.join()
关于python - ndarray 到 TFRecord 的缓慢序列化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62174662/
我最近从 Indigo“升级”到了 Luna(Oracle OEPE 安装)。请注意围绕“升级”一词的引用。 不幸的是,事情很慢。 我使用的项目是一个 Maven 多模块项目。构建工作区操作大约需要
如果我的 JavaScript 事件似乎都不是网页性能问题的原因,我该如何诊断网页性能问题? 我有一个使用jqGrid的网络应用程序。单击网格会导致 2-3 秒的卡住,然后发生任何事情(包括点击任何单
从 appengine 访问我的应用程序时,我经常收到以下错误。有人可以知道这是什么原因吗? 原因:com.google.apphosting.api.DeadlineExceededExceptio
出于某种原因,我的 curl 调用非常慢。这是我使用的代码。 $postData = "test" $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $
Stackdriver 测试我的网站启动速度慢 我们使用 cloudflare 作为我们的站点 CDN 提供商。我们使用 stackdriver 从外部测试站点可用性,我们将时间检查间隔设置为 1 分
在插入/更新许多行时,我知道SQLite的“问题”,但事实并非如此。 我正在更新包含约250条记录的表中的ONE一行(由PK索引)中的ONE字段。查询通常需要200毫秒左右的时间。听起来很少,但很大。
我们的 Mongo 数据库会定期(有时每天一次)变慢约 30-40 分钟。在此缓慢时期,访问数据库的 API 会遇到每 5-10 分钟就会出现一次的高延迟峰值。 查看 mongod 日志文件,这两
这个问题已经在这里有了答案: 已关闭8年。 Possible Duplicate: C# WinForm Application - UI Hangs during Long-Running Oper
我最近将我的 Java Liquibase 版本从 3.5.3 升级到 3.6.3 我有一个非常繁重的环境,其中有很多数据库和表(我使用的是 Oracle)。 在这种环境下,我试图执行一个巨大的变更日
在我的项目中,为了整洁起见,模块被组织在子目录中。 我的项目目录层次结构: $ ls -R .: configure.in Makefile.am Makefile.cvs src
我正在 Debian 上使用存储库中的软件包运行 Gitlab。大多数时候Gitlab运行速度非常快,但是在较长的空闲时间后Gitlab非常慢甚至超时(错误502)。有一次我在远程 git 访问上也遇
这可能是菜鸟的错误,所以请原谅我。我在高处和低处寻找解决方案,但没有结果-因此,我想在此添加第一篇文章:-) 我有两个域类,一个称为Domain,一个称为Page。如下代码所示,域中有许多页面。 cl
我是 React 的新手,在使用 onChange 时遇到了问题在大数据列表中生成的输入字段上的方法。 如 parentcomponent是数据的拥有者,我提供了handleUpdate()子组件 (
我们使用 Webpack DefinePlugin 为不同的渲染模式生成输出包。因此,例如,我们的 webpack 配置将返回 [{ entry: { mode1: "./in
我在页面顶部有一个带有菜单的标题元素。当我向下滚动时,标题会动画到较低的高度。当我向上滚动并到达顶部时,标题会以动画方式显示为原始大小。 但它的工作并不完美。有时,事情发生之前需要两秒钟。特别是当我向
我今天在我的文本编辑器(Sublime)中写了一些正则表达式,试图快速找到特定的源代码段,这需要有点创意,因为有时函数调用可能包含更多函数调用。例如,我正在寻找 jQuery 选择器: $("div[
ParentSadly 我没有通过搜索“laggy/slow mouse wheel-scrolling in Rich Edit control”和类似的句子找到答案。 我创建了一个丰富的编辑控件
我遇到了“OR”运算符在 mysql 中未使用任何索引的典型性能问题: SELECT sms.smsID, sms.phonenumber, sms.text, date, mbr.name, mbr
我最近一直在玩 asyncio 模块。下面是我想出的用于发送一些并行请求的代码,这些请求在我的笔记本电脑 (Mac OS) 上似乎运行良好,但在另一台机器 (Ubuntu 18.04) 上似乎运行缓慢
我目前正在开发一个并行应用程序(C#、WinForms),它通过 COM 将消息注入(inject)应用程序。 此应用程序使用多个 foreach 语句,从接受 COM 的应用程序中轮询实体指标。 L
我是一名优秀的程序员,十分优秀!