Keras运行迭代一定代数以后，速度越来越慢，经检查是因为在循环迭代过程中增加了新的计算节点，导致计算节点越来越多，内存被占用完，速度变慢。
判断是否在循环迭代过程中增加了新的计算节点，可以用下面的语句：
tf.Graph.finalize()
如果增加了新的计算节点，就会报错，如果没有报错，说明没有增加计算节点。
补充知识：win10下pytorch，tensorflow，keras+tf速度对比
采用GitHub上的代码
运行类似vgg模型，在cifar10上训练，结果朋友torch与tensorflow速度相当，远远快过keras。
| pytorch | tensorflow | keras+tensorflow | |
| version | 0.4.0 | 1.8.0 | Keras: 2.1.6 Tensorflow: 1.8.0 |
| train time： | 1min 14s | 1min 9s | 1min 51s |
| evaluate time： | 378 ms | 9.4 s | 826 ms |
以上这篇解决keras backend 越跑越慢问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持呐喊教程。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。