关于TextCNN的预测效率问题
来源:7-18 TextCNN实现
木子二月鸟
2019-05-21
老师,在工作中使用TextCNN训练了一个分类模型,小数据量的预测是还行,大概1分钟1000行数据,但是如果数据量大了之后比如10w行的话,使用TextCNN的predict方法就很慢了,通常得好几个小时才能完成,有什么优化的办法吗?
预测方法输出了预测概率,然后逐条去predict,如果改成批量预测,那predict方法该怎么改呢?有没有可以参考的资料啊?先谢过老师啦
写回答
1回答
-
改成批量预测应该可以,大数据需要大矩阵运算,超出内存所以才慢。
关于实现,我们之前应该讲了很多这样的例子,比如:
if (i+1) % 1000 == 0: test_data = CifarData(test_filenames, False) all_test_acc_val = [] for j in range(test_steps): test_batch_data, test_batch_labels \ = test_data.next_batch(batch_size) test_acc_val = sess.run( [accuracy], feed_dict = { x: test_batch_data, y: test_batch_labels }) all_test_acc_val.append(test_acc_val) test_acc = np.mean(all_test_acc_val) print('[Test ] Step: %d, acc: %4.5f' % (i+1, test_acc))
112019-05-27
相似问题