Tensorflow 我可以写一个keras回调来记录并返回总训练时间吗？

我想记录keras模型的训练跑步持续时间。我知道我可以将每个步骤的时间乘以步骤总数，但我怀疑时间可能会因批次而异。

为什么要回调？你可以这样做：

from time import time

start = time()
model.fit(.....)
print(time()-start)

---

尝试

keras.callbacks.Callback（）

。是的，你是对的，时间会根据批量大小而变化

from timeit import default_timer as timer

class TimingCallback(keras.callbacks.Callback):
    def __init__(self, logs={}):
        self.logs=[]
    def on_epoch_begin(self, epoch, logs={}):
        self.starttime = timer()
    def on_epoch_end(self, epoch, logs={}):
        self.logs.append(timer()-self.starttime)

cb = TimingCallback()

model = Sequential()
# Your code
model.fit(X, y, epochs=epochs, batch_size=batch_size, callbacks=[cb])
print(cb.logs)
print(sum(cb.logs))

---

从中了解它。

酷！然而，这不也包括保存重量或训练历史所花费的时间，以及花费在耗时回调和其他不包括训练的事情上的时间吗？除此之外，这种方法过于简单且有效。为什么要使用

timeit

？

time

模块可能不工作吗？是的，我们也可以在上述情况下使用

time.time（）

。要进行检查，请将

timer（）

替换为

time.time（）

，但结果会略有不同。请参阅：stackoverflow.com/questions/7370801/…。阅读第二个答案。这就是我决定在上述情况下使用

timer（）

。有人知道为什么在应用上述步骤时，会出现此错误吗？AttributeError:“内置函数”或“方法”对象没有属性“日志”。我已经应用了自定义函数，但不确定为什么会一直显示此错误？