如何获取TensorFlow及Keras序列模型训练时每轮的耗时数据?
解决方案
Keras 原生返回的 History 对象默认不存储每轮训练的耗时数据,你可以通过**自定义回调(Custom Callback)**的方式实现需求,具体步骤如下:
步骤1:自定义耗时记录回调
import time from tensorflow.keras.callbacks import Callback class EpochTimeRecorder(Callback): def on_train_begin(self, logs=None): # 训练开始时初始化存储耗时的列表,单位:毫秒 self.epoch_times = [] def on_epoch_begin(self, epoch, logs=None): # 每轮开始时记录时间戳 self.epoch_start_time = time.time() def on_epoch_end(self, epoch, logs=None): # 每轮结束时计算耗时,转成毫秒后存入列表 epoch_duration = (time.time() - self.epoch_start_time) * 1000 self.epoch_times.append(round(epoch_duration))
步骤2:训练时传入回调
修改你原来的model.fit代码,传入刚才定义的回调实例:
# 先实例化回调对象 time_recorder = EpochTimeRecorder() # 训练时添加到callbacks参数中 history = model.fit( X_train, y_train, validation_split=0.2, epochs=500, verbose=1, callbacks=[time_recorder] )
步骤3:获取每轮训练耗时
训练完成后直接访问回调实例的epoch_times属性即可,输出格式和你要求的完全一致:
# 输出示例:[159, 40, 36, 44, 49 ... ] print(time_recorder.epoch_times)
如果需要保留小数位,修改on_epoch_end方法里的round逻辑即可,也可以根据需求把单位改成秒。
内容的提问来源于stack exchange,提问作者nurasaki
相关产品推荐
相关产品推荐

