2018-01-13 | 研究与探索 | UNLOCK

日志47160113

前几天我的程序的龟速运行让我自以为明白了机器学习的耗时、耗硬件,并且想要GPU……
但今天我稍微优化了一点性能:

原代码:

1
2
3
4
5
6
7
8
9
10
index = 0
def next_batch(n):
global index
if index+n>60000:
index = 0
xs = np.float32(mnist.train_images()[index:index+n]).reshape((n,28**2))/255
ys = to_onehotv(mnist.train_labels()[index:index+n])
index += n
#print(index)
return xs,ys

优化后:

1
2
3
4
5
6
7
8
9
10
11
12
13
#将以下代码及部分其它代码单独放在mnistpack.py中
train_xs = np.float32(mnist.train_images()).reshape((60000,784))/255
mnist_train_labels = mnist.train_labels()
index = 0
def next_batch(n):
global index
if index+n>60000:
index = 0
xs = train_xs[index:index+n]
ys = to_onehotv(mnist_train_labels[index:index+n])
index += n
#print(index)
return xs,ys

这样修改后运行速度快了大概百倍以上……以前看着它一个一个蹦,现在就是“刷”一下全出来了。看来之前的龟速不是因为训练耗时,而是每次都要在函数next\_batch()里完整载入一次mnist.train_images()……

虽说过早的优化是万恶之源,但缺少必要的优化也很要命啊。