Я решаю большие системы нелинейных УЧП с использованием нейронной сети, и у меня есть всего 10 классов в виде python скриптов, установленных на диске в colab. Мой алгоритм в основном сценарии python вызывает эти 10 классов вперед и назад, чтобы найти решение итеративным способом. Обучение занимает много времени даже с графическим процессором, и мне интересно, связано ли это с тем, что основной скрипт неоднократно вызывает классы с диска. Сценарии невелики по размеру (максимум 1000 строк каждый), и я не импортирую никаких данных (все данные моделируются из основного скрипта).
Любые мысли по этому поводу приветствуются. Спасибо