Python 前向传播缓慢-训练时间正常

我很难弄清楚为什么当我执行前向传播时，我的代码非常慢。有关代码可在此处找到：

我将我的代码的性能与此进行比较：

区别在于我跑步的时候

self.session.run(self.predict(x_batch), feed_dict={...})

self.returnPrediction(x_batch)

或者当我跑的时候

self.session.run(self.predict(x_batch), feed_dict={...})

self.returnPrediction(x_batch)

运行大约需要0.14秒。现在这听起来可能不像是一场灾难，但那是每句话0.14秒（我正在制作一个RNN来预测一个句子中的下一个单词）。因为有1436个句子，我们看的是每个时代大约3分20秒。如果我想训练10个时代，那需要半小时。比其他代码需要的更多

有人知道问题出在哪里吗？我能看到的唯一区别是我已经模块化了代码

---

提前谢谢你的帮助。

我已经弄明白了。每次调用predict方法时，我都在重建图形。相反，在fit方法中，我定义了一个变量：

preds = self.predict(self.tfX)

然后每次我需要预测，而不是使用：

predictions = self.session.run(self.predict(x_batch), feed_dict={...})

我使用：

predictions = self.session.run(self.preds, feed_dict={...})