Numpy 如何加快我的预测任务

我目前正在基于以下内容在keras中实施：

我正在处理非常大的图像（~20000*~20000），为了得到整个图像的概率图，我使用了256*256个补丁

目前，我正在做以下工作：

UNet = load_model(model_name)

for posX in range(0,im.level_dimensions[level][0]-256,stride):
    for posY in range(0,im.level_dimensions[level][1]-256,stride):

        xx = np.expand_dims(imload[posY:posY+256,posX:posX+256,:],0)
        yy = maskload[posY:posY+256,posX:posX+256,:]

        #The following line is the bottleneck
        pred = UNet.predict(xx)[..., 0].reshape(patchShape[:2])

        #Reconstruct the probability map
        part=outputProba[posY:posY+256,posX:posX+256]
        part[:,:]+=pred[0:part.shape[0],0:part.shape[1]]
        outputProbaTimes[posY:posY+256,posX:posX+256]+=1

这段代码执行大约需要1分钟，步幅设置为256。我希望以64步的速度跑步，但需要大约16分钟

我是keras和Deep Learning的新手，我想知道是否有人会有一些聪明的技巧来加速这段代码

我环顾四周使用predict_generator，这将非常好，因为它可以利用多处理。但我不理解预测时生成数据的意义

谢谢你的帮助

ps：代码在nvidia GTX 1080上运行

---

ps2:UNet.predict是来自

的predict。如果知道

UNet.predict是什么，那就太好了。你是对的，忘记指定了。这是来自keras的预测函数，