使用tensorflow textsum的样本数据（玩具样本数据）进行培训需要多长时间？

我正在研究tensorflow的textsum（文本摘要模型）。我已经开始使用示例数据（即从git克隆时随模型提供的玩具数据集）来训练模型。我想知道训练模型和解码样本数据集需要多长时间？它已经用了17个多小时，而且还在运行

不幸的是，使用玩具数据训练集，它只是为您提供一种方法来观察模型的整体流程，而不是为您提供体面的结果。这是因为在玩具数据集中没有提供足够的数据来提供好的结果

时间量有点难以提供，因为它与您正在运行的硬件有关。所以你通常会一直训练，直到你的平均损失在2到1之间。潘欣表示，对于较大的数据集，平均损失不得低于1.0。所以，在我的9800米上，我能够在不到一天的时间内通过玩具数据集得到这个

也就是说，我的成绩真的很差，我觉得有点不对劲。我发现唯一的错误是我没有足够的数据。然后，我搜集了大约4万篇文章，结果仍然不可接受。最近，我针对130万篇文章进行了训练，结果好多了。经过进一步分析，这主要是因为textsum模型是抽象的，而不是抽象的

---

希望这能有所帮助。对于130万台，批量设置为64台，我能够在不到一周半的时间内使用TF 0.9、cuda 7.5和cudnn 4在我的硬件上训练模型。我听说新的cudnn/cuda应该更快，但我现在还不能这么说。

在我的i5处理器上，仅使用cpu，玩具训练数据集的值达到0.17需要大约60个小时

---

使用8gb的ram，它消耗了大约10gb额外交换的额外内存。增加ram和使用GPU可能会提供更好的结果。目前，我无法显示tensorboard运行平均损耗的图像，但我希望您的问题已得到回答。

正如@Eilian在下面所述，如果您在CPU上运行此操作，您可能会在那里等待一段时间。如果你没有访问GPU的权限，你可能想看看如何使用AWS G2或P2实例：当我对玩具数据集进行训练时，经过大约一天的980M训练，我得到了不错的结果，平均损失非常低。但需要注意的重要一点是，如果使用包含的玩具数据集vocab，则不会得到有效的结果，因为训练集中的单词不在玩具vocab文件中。我在GPU上运行训练模型；Y但我已将“最大运行”步骤更改为“2000”。它运行了2-3个小时，模型得到了训练。在这里，我将玩具数据集分为17-4（训练测试）。并用相同的vocab文件训练模型。但我在解码步骤上遇到了一些问题。更改培训数据时是否需要修改vocab文件？如何从培训数据集中生成vocab文件？仅回答您关于vocab文件的问题。vocab文件所表示的是数据中经过训练的单个单词及其出现的总计数。因此，如果在所有数据文件中，单词“the”出现了150次，那么您将在vocab文件中看到“the 150”。因此，当我创建它时，作为我对原始数据格式化的一部分，我记录了计数，并在最后将数据输出到vocab文件。