我创建了一个系统，该系统选择大约20,000个包含分类训练数据的位置，将值提取到DataFrame中，然后训练并保存香草神经网络（mlp）。然后，我创建需要推论（np.ndarray）的大型data.shape = (60, 8000, 8000)，恢复模型，并开始进行大约6-10个小时的for循环，以对8000x8000像素空间中的每个位置进行分类，以生成分类后的{ {1}}，ndarray。
我的问题很简单：是否有比在new_array.shape = (1, 8000, 8000)像素位置上进行Python for循环来推断此大像素空间更好的方法？
上下文：这是一个从一堆Landsat图像中收集要素阵列并根据矢量GIS数据对已知土地类别的区域进行采样的项目。然后，它推断图像的其余部分，并用rasterio写入新的栅格。张量流多层感知器为here，训练数组构造为here。
代码：我尝试删除所有残留物。
64*10**6任何关于我的tf模型结构的建议，以及其他语言（或cython？）的可能解决方案，也将受到欢迎。谢谢。