我无法弄清楚为什么当我执行向前传播时，我的代码非常慢。有问题的代码可以在这里找到：https://github.com/rekkit/lazy_programmer_ml_course/blob/develop/05_unsupervised_deep_learning/poetry_generator_rnn.py
我将代码的性能与此代码的性能进行比较：https://github.com/lazyprogrammer/machine_learning_examples/blob/master/rnn_class/srn_language_tf.py
不同之处在于我跑
self.session.run(self.predict(x_batch), feed_dict={...})
或我跑步时
self.returnPrediction(x_batch)
运行大约需要0.14秒。现在这可能听起来不像是灾难，但每句话的时间为0.14秒（我正在制作一个RNN来预测句子中的下一个单词）。由于有1436个句子，我们每个时期大约需要3分20秒。如果我想训练10个时代，那就是半个小时。比其他代码更多的方式。
有没有人知道问题可能是什么？我能看到的唯一区别是我已经模块化了代码。
感谢您的帮助。
答案 0 :(得分：2)
我已经弄清楚了。每当我调用预测方法时，我都在重建图形。相反，在fit方法中我定义了一个变量：
preds = self.predict(self.tfX)
然后每次我需要预测时，而不是使用：
predictions = self.session.run(self.predict(x_batch), feed_dict={...})
我用：
predictions = self.session.run(self.preds, feed_dict={...})