Python Tensorflow时代太慢了

我正在尝试使用python接口开始使用tensorflow。我正在建立一个图像分类系统。但是在运行代码时，历元需要花费太多的时间，一个历元几乎需要2分钟，如果步骤数增加，历元运行时间将以指数方式增加。
我的系统配置为：

软件配置包括：

• Python 3.7
• 斯派德4
• Tensorflow 2.2.0

我发现了类似的线程，但在我的例子中，基本操作足够快

---

如何提高tensorflow的性能

根据文档，fit_generator的功能可能参数如下所示

fit_generator(
    generator, steps_per_epoch=None, epochs=1, verbose=1, callbacks=None,
    validation_data=None, validation_steps=None, validation_freq=1,
    class_weight=None, max_queue_size=10, workers=1, use_multiprocessing=False,
    shuffle=True, initial_epoch=0
)

您可以尝试设置

use_multiprocessing=True

或设置

workers

以使用最大数量的worker来加快进程。”这是关于参数的一些细节

如果这对你来说仍然太慢，恐怕你需要一个GPU

---

注意：您可以使用Google Collab在CPU/GPU/TPU机器之间切换。

遗憾的是，TensorFlow和PyTorch都只使用Cuda作为GPU加速的后端，并且它们不支持任何Mac'a GPU—英特尔或AMD。这意味着您的TensorFlow代码只能在CPU上运行。

您需要一个Nvidia GPU来加速训练。从今天开始就没有办法了。对于这个平台来说，每个时代两分钟听起来是合理的，我不会称之为“慢”@Snoopy博士阅读给定链接中的文档，每个时代只有15个步骤。。。因此，这是非常缓慢的比较点是什么？文章没有说明它使用哪个平台来获得每个历元8秒的速度，因此声称每个历元15步必须是快的是不正确的。