У меня есть следующий сегмент кода:
model.fit(x=train_x, y=train_y, batch_size=32, epochs=10, verbose=2, validation_data=(val_x, val_y), initial_epoch=0)
print(model.evaluate(test_x, test_y))
Мой графический процессор будет по-прежнему работать с размером пакета 1024. Однако это серьезно ухудшит частоту обновления модели.Можно ли загружать изображения в группы по 1024 в GPU, но корректировать вес для модели каждые 32 изображения?
Мое намерение состоит в том, чтобы повысить производительность за счет уменьшения количества раз, которое GPU должен извлекать данные из основной памяти, так как эта операция связана с большой задержкой.Мой вопрос похож на этот: Как вы можете загрузить все пакетные данные в память GPU в Keras (бэкэнд Theano)? Однако я не обязательно пытаюсь загрузить все свои данные в GPU одновременно, так какнабор данных слишком велик.
Спасибо!