Question

我在tensorflow上有一个非常奇怪的问题。我将我的问题简化为以下版本：

我只是在张量流语言中编写一个简单的矩阵乘法，然后我把这个矩阵乘法放在＆＃34; for循环中＃34;（当然你可以把其他复杂的函数放在for循环中，结论是一样的）

我设置10000次迭代次数，并在每次循环中打印耗时，然后我可以观察到时间消耗逐渐增加。（我希望每个循环的时间应该相同，但它没有。）

import tensorflow as tf
import numpy as np
import datetime  

graph=tf.Graph()
with graph.as_default():  
    with tf.device("/gpu:0"):
        a=np.arange(10).reshape(1,-1)
        b=np.arange(100).reshape(10,10)
        A = tf.placeholder(tf.float32, [1,10])
        B = tf.placeholder(tf.float32, [10,10])


        sess = tf.InteractiveSession()

        for step in range(10000):
            starttime = datetime.datetime.now()  

            RESULT = tf.matmul(A,B)
            RESULT=sess.run(RESULT,feed_dict={A: a, B: b})

            endtime = datetime.datetime.now()  
            print(endtime-starttime)

在开始时，程序打印出以下结果：

0:00:00.003058
0:00:00.003216
0:00:00.003195
0:00:00.003213
0:00:00.003653
0:00:00.003599
0:00:00.003297
0:00:00.003172
0:00:00.003235
0:00:00.004374
0:00:00.003442
0:00:00.003387
0:00:00.003290

几秒钟后，我得到了这个：

0:00:00.011470
0:00:00.013232
0:00:00.013088
0:00:00.015906
0:00:00.012659
0:00:00.012914
0:00:00.012562
0:00:00.011941
0:00:00.013575
0:00:00.012251
0:00:00.013759
0:00:00.012534
0:00:00.011859

...

0:00:00.031062
0:00:00.031676
0:00:00.031388
0:00:00.031349
0:00:00.032476
0:00:00.031337
0:00:00.031147
0:00:00.031121
0:00:00.030795
0:00:00.031143
0:00:00.031277
0:00:00.031015
0:00:00.034139
0:00:00.032749

这意味着计算速度正在减慢。谁能告诉我为什么？非常感谢。

Answer 1

每次循环时都会创建一个新操作。（tf.matmul）

因此，您的张量流图越来越无法控制。

在tensorflow中，您创建一次操作（例如：tf.matmul（A，B）），然后使用sess.run多次执行此操作（例如：sess.run（RESULT，feed_dict = {A：ai），B：bi}。

创建一个操作就像编写一个函数或创建一个处理单元一样，你只需要创建一次，然后就可以将它用于许多输入。

Answer 2

Arnaud是对的。为了补充他的答案，你应该做的是：

import tensorflow as tf
import numpy as np
import datetime  

graph=tf.Graph()
with graph.as_default():  
    with tf.device("/gpu:0"):
        a = np.arange(10).reshape(1,-1)
        b = np.arange(100).reshape(10,10)
        A = tf.placeholder(tf.float32, [1,10])
        B = tf.placeholder(tf.float32, [10,10])
        C = tf.matmul(A,B) #changed

        sess = tf.InteractiveSession()

        for step in range(10000):
            starttime = datetime.datetime.now()  

            RESULT = sess.run(C,feed_dict={A: a, B: b}) #changed

            endtime = datetime.datetime.now()  
            print(endtime-starttime)

通过这种方式，您只需创建一次操作tf.matmul。

Tensorflow的计算时间逐渐减慢，非常简单＆＃34; for循环＆＃34;

2 个答案: