Python 如何使用tf.keras获得每个列车步骤的详细运行时间？

培训时，如何通过tf.keras获得每个培训步骤的详细运行时间？？虽然我知道在model.fit（）中添加回调可以返回历元时间，但我需要知道： 预测时间 损失计算时间 渐变时间 渐变应用时间 更新时间 我们使用自定义训练循环执行上述操作，如下所示：

def系列步骤（输入）：
图像、标签=输入
使用tf.GradientTape（）作为磁带：
预测=模型（图像，训练=真）
损失=计算损失（标签、预测）
梯度=磁带梯度（损失、模型、可训练的变量）
优化器。应用_梯度（zip（梯度、模型、可训练的_变量））
列车精度。更新列车状态（标签、预测）
回波损耗

使用

Tensorflow

提供的

Profiler

功能可以满足您的要求

可以使用

Tensorflow Profiler

捕获

培训步骤中每个操作的统计信息，并在
Tensorboard
的
配置文件
选项卡中可视化

由于您有兴趣了解培训期间发生的不同操作的执行时间，因此可以在
探查器
的
tensorflow_stats下拉列表中可视化，如下面的屏幕截图所示


使用
Tensorboard
中的
Profiler
可以可视化的示例操作屏幕截图（64个屏幕截图中只有17个可见）如下所示：


有关此功能的更多信息，
Tensorflow Profiler
，请参阅，以及此

希望这有帮助。快乐学习
 使用
Tensorflow
提供的
Profiler
功能可以满足您的要求

可以使用
Tensorflow Profiler
捕获
培训步骤中每个操作的统计信息，并在
Tensorboard
的
配置文件
选项卡中可视化

由于您有兴趣了解培训期间发生的不同操作的执行时间，因此可以在
探查器
的
tensorflow_stats下拉列表中可视化，如下面的屏幕截图所示


使用
Tensorboard
中的
Profiler
可以可视化的示例操作屏幕截图（64个屏幕截图中只有17个可见）如下所示：


有关此功能的更多信息，
Tensorflow Profiler
，请参阅，以及此

希望这有帮助。快乐学习
 您可以通过回调获得损失和指标。你不能得到任何执行时间。但是您可以为“批处理执行时间”（不低于此值）编写回调。您可以通过回调获得损失和指标。你不能得到任何执行时间。但是您可以为“批处理执行时间”（不低于此值）编写回调。