返回信息流之前一直用tensorflow去写的模型
就几层的简单小网络 换成用keras（back tensorflow）之后训练起来就很慢，大概慢了几十倍。同样的模型为什么会出现这个问题？
model.fit(x=x_train, y=y_train, batch_size=batch_size, epochs=Epoch, verbose=0, validation_data=val_data)
是不是因为一次性把所有数据都喂进去了？他这样内部不是一个batch一个batch的训练吗？莫非还是应该用迭代器来喂数据？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #34822同步于 2019/7/16
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
keras实现模型训练速度慢？
a409986567
2019/7/16镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
建议不要看单步的时间，去看训练总时长
【 在 a409986567 (PGTM) 的大作中提到: 】
: 之前一直用tensorflow去写的模型
: 就几层的简单小网络 换成用keras（back tensorflow）之后训练起来就很慢，大概慢了几十倍。同样的模型为什么会出现这个问题？
: ...................
就是总时长变高了。好慢 几十个参数也很慢
我感觉应该是数据一次性喂进去造成的。我要写个迭代器试一下了
【 在 Sanqi 的大作中提到: 】
: 建议不要看单步的时间，去看训练总时长
应该是数据要用迭代器输入的问题
【 在 jackling 的大作中提到: 】
: x_train, y_train 是不是超过内存大小了，如果是，可以用 generator 来优化。