具有多个输入的Keras网络需要很长时间来训练

Question

我有两个型号：

• 一个有32个输入，32个输出，5000个参数
• 一个有4个通道的8个输入和32个输出。 4000参数

四通道版本需要非常长的时间进行训练。我可以训练我的第一个模型50个时代，而第二个模型甚至没有完成一个。 预测需要大约1秒钟。无论如何我可以加速我的ntwk吗？

编辑：

以下是两种模型的摘要：

图层（类型）输出形状参数＃连接到

input_53（InputLayer）（无，2,8）0

input_54（InputLayer）（无，2,8）0

input_55（InputLayer）（无，2,8）0

input_56（InputLayer）（无，2,8）0

conv1d_176（Conv1D）（无，2,8）72 input_53 [0] [0]

conv1d_179（Conv1D）（无，2,8）72 input_54 [0] [0]

conv1d_182（Conv1D）（无，2,8）72 input_55 [0] [0]

conv1d_185（Conv1D）（无，2,8）72 input_56 [0] [0]

conv1d_177（Conv1D）（无，2,4）36 conv1d_176 [0] [0]

conv1d_180（Conv1D）（无，2,4）36 conv1d_179 [0] [0]

conv1d_183（Conv1D）（无，2,4）36 conv1d_182 [0] [0]

conv1d_186（Conv1D）（无，2,4）36 conv1d_185 [0] [0]

merge_6（合并）（无，2,16）0 conv1d_177 [0] [0]
                                                                   conv1d_180 [0] [0]
                                                                   conv1d_183 [0] [0]
                                                                   conv1d_186 [0] [0]

conv1d_188（Conv1D）（无，2,32）544 merge_6 [0] [0]

conv1d_189（Conv1D）（无，2,16）528 conv1d_188 [0] [0]

conv1d_190（Conv1D）（无，2,32）544 conv1d_189 [0] [0]

flatten_10（展平）（无，64）0 conv1d_190 [0] [0]

dense_10（密集）（无，32）2080 flatten_10 [0] [0]

总参数：4,128 可训练的参数：4,128 不可训练的参数：0

图层（类型）输出形状参数＃

conv1d_90（Conv1D）（无，2,32）1056

conv1d_91（Conv1D）（无，2,16）528

conv1d_92（Conv1D）（无，2,8）136

conv1d_93（Conv1D）（无，2,16）144

conv1d_94（Conv1D）（无，2,32）544

flatten_42（展平）（无，64）0

dense_42（密集）（无，32）2080

总参数：4,488 可训练的参数：4,488 不可训练的参数：0