以下代码使用tensorflow库,与numpy库相比运行速度非常慢。我知道我正在调用一个函数,它使用python for循环中的tensorflow库(我将稍后与python多处理进行并行化),但代码的运行速度非常慢。tensorflow在python for循环内运行速度极慢
有人可以请帮助我如何让这段代码运行得更快吗?谢谢。
from math import *
import numpy as np
import sys
from multiprocessing import Pool
import tensorflow as tf
def Trajectory_Fun(tspan, a, b, session=None, server=None):
# Open tensorflow session
if session==None:
if server==None:
sess = tf.Session()
else:
sess = tf.Session(server.target)
else:
sess = session
B = np.zeros(np.size(tspan), dtype=np.float64)
B[0] = b
for i, t in enumerate(tspan):
r = np.random.rand(1)
if r>a:
c = sess.run(tf.trace(tf.random_normal((4, 4), r, 1.0)))
else:
c = 0.0 # sess.run(tf.trace(tf.random_normal((4, 4), 0.0, 1.0)))
B[i] = c
# Close tensorflow session
if session==None:
sess.close()
return B
def main(argv):
# Parameters
tspan = np.arange(0.0, 1000.0)
a = 0.1
b = 0.0
# Run test program
B = Trajectory_Fun(tspan, a, b, None, None)
print 'Done!'
if __name__ == "__main__":
main(sys.argv[1:])
您正在缓慢地调整session.run调用之间的Graph对象。你可以在第一个'sess.run'前添加所有的操作并调用'tf.get_default_graph()。finalize()' –
@YaroslavBulatov感谢您的快速响应。正如你可能已经注意到的那样,我需要每个时间步长的变量c的值。请您再澄清一下,我可以如何将您的建议纳入我的上述代码中?我会很感激。谢谢。 – QED
在循环开始之前做'a = tf.random_normal((4,4),0.0,1.0)',然后执行'sess.run(a)' –