tensorflow在python for循环中运行非常慢

下面的代码使用tensorflow库，与numpy库相比，它的运行速度非常慢。我知道我正在调用一个函数，该函数在python for loop中使用tensorflow库（稍后我将与python多处理并行），但代码运行速度非常慢

有人能帮助我如何使代码运行得更快吗？谢谢

---

---

正如您在问题中所述，此程序的性能较差，因为它会在每个操作中创建几个新的TensorFlow图节点。TensorFlow中的基本假设是（大约）构建一个图，然后多次调用它的

sess.run（）

。第一次运行图形的成本相对较高，因为TensorFlow必须构建各种数据结构，并在多个设备上优化图形的执行。 然而，TensorFlow缓存了这项工作，因此后续的使用要便宜得多

通过构造一次图并使用（例如）op输入每次迭代中更改的值，可以使该程序更快。例如，以下步骤可以实现此目的：

B = np.zeros(np.size(tspan), dtype=np.float64)
B[0] = b

# Define the TensorFlow graph once and reuse it in each iteration of the for loop.
r_placeholder = tf.placeholder(tf.float32, shape=[])
out_t = tf.trace(tf.random_normal((4, 4), r_placeholder, 1.0))

with tf.Session() as sess:
  for i, t in enumerate(tspan):
    r = np.random.rand(1)
    if r > a:
      c = sess.run(out_t, feed_dict={r_placeholder: r})
    else:
      c = 0.0
    B[i] = c
  return B

---

通过使用TensorFlow循环并更少地调用

sess.run（）

，您可能会使这一点更加有效，但一般原则是相同的：多次重用同一个图形以获得TensorFlow的好处。

如您在问题中所述，此程序将提供较差的性能，因为它会在每个操作中创建几个新的TensorFlow图节点。TensorFlow中的基本假设是（大约）构建一个图，然后多次调用它的

sess.run（）

。第一次运行图形的成本相对较高，因为TensorFlow必须构建各种数据结构，并在多个设备上优化图形的执行。 然而，TensorFlow缓存了这项工作，因此后续的使用要便宜得多

通过构造一次图并使用（例如）op输入每次迭代中更改的值，可以使该程序更快。例如，以下步骤可以实现此目的：

B = np.zeros(np.size(tspan), dtype=np.float64)
B[0] = b

# Define the TensorFlow graph once and reuse it in each iteration of the for loop.
r_placeholder = tf.placeholder(tf.float32, shape=[])
out_t = tf.trace(tf.random_normal((4, 4), r_placeholder, 1.0))

with tf.Session() as sess:
  for i, t in enumerate(tspan):
    r = np.random.rand(1)
    if r > a:
      c = sess.run(out_t, feed_dict={r_placeholder: r})
    else:
      c = 0.0
    B[i] = c
  return B

---

通过使用TensorFlow循环并减少对

sess.run（）

的调用，您可能会使这一过程更加高效，但一般原则是相同的：多次重复使用同一图形以获得TensorFlow的好处。

您正在修改session.run调用之间的图形对象，这很慢。您可以在第一次sess之前添加所有操作。运行

并调用
tf.get\u default\u graph（）.finalize（）
@YaroslavBulatov感谢您的快速响应。正如您可能已经注意到的，我需要每个时间步的变量c的值。你能再澄清一下我如何将你的建议纳入我的上述代码中吗？我将不胜感激。谢谢。在循环开始之前执行类似于
a=tf.random\u normal（（4，4），0.0，1.0）
的操作，然后执行
sess.run（a）
而不是在session.run调用之间修改图形对象，这很慢。您可以在第一次sess之前添加所有操作。运行
并调用
tf.get\u default\u graph（）.finalize（）
@YaroslavBulatov感谢您的快速响应。正如您可能已经注意到的，我需要每个时间步的变量c的值。你能再澄清一下我如何将你的建议纳入我的上述代码中吗？我将不胜感激。谢谢。在循环开始之前，执行类似于
a=tf.random\u normal（（4，4），0.0，1.0）
的操作，然后执行
sess。改为运行（a）