我得到了一些数据，这是csv文件中的320万个条目。我试图在张量流中使用CNN估计来训练模型，但它非常慢。每次我运行脚本时，它都会卡住，就像网页（localhost）只是拒绝回复一样。有什么建议？ （我已尝试使用22个CPU，我不能再增加它了）
我可以运行它并使用一个线程，比如命令行python xxx.py＆amp;保持这个过程？然后在一段时间后回去检查？
答案 0 :(得分：1)
谷歌为TensorFlow提供无服务器机器学习正是出于这个原因。它被称为Cloud ML Engine。您的工作流程基本上如下所示：
开发程序，在适合内存的小数据集上训练您的神经网络（解决错误，确保它按照您想要的方式工作）
将您的完整数据集上传到云端（Google云端存储或BigQuery或＆amp; c。）（documentation reference: training steps）
将包含您的培训计划的软件包提交给ML Cloud（这将指向您在云中的完整数据集的位置）（documentation reference: packaging the trainer）
在云端开始培训工作;这是无服务器的，因此它将根据需要扩展到尽可能多的计算机，而无需处理设置集群，＆amp; c。 （documentation reference: submitting training jobs）。
您可以使用此工作流程在大量数据集上训练神经网络 - 尤其适用于图像识别。
如果这是一个太多的信息，或者如果这是您要做很多工作的工作流程的一部分，并且您想要更好地处理它，Coursera提供了{{3}的课程}。 （我已经接受了，并且对Coursera上Google Cloud产品的质量印象深刻。）
答案 1 :(得分：0)
我很抱歉回答，即使我对数据库是完全陌生的，但你尝试过批处理吗？
我不知道在这种情况下是否可能，但是一次插入可能只有10 000个条目并且在这么多批次中执行此操作，最终所有条目都已输入？