Question

我目前正在尝试测量时间，Keras（TF Back）模型需要进行预测。由于时间可能会有所不同，因此我正在对谓词进行抽样，并计算它们的均值和样本标准差。代码如下：

 timekeras = []
 for i in range(int(ANALYSIS_SAMPLE_SIZE)):
     timedummy = time.time()
     predskeras = model.predict ( np.array(test_data_list) )
     timekeras.append(time.time() - timedummy)

现在我注意到，样本标准偏差总是大于平均值，这是一些巨大异常值的标志。在查看了带有时间测量值的列表之后，我现在知道，第一次预测总是花费大约是随后时间的10倍。我猜该算法在某种程度上“记得”他之前进行了完全相同的计算，并使用了一些已经计算出的结果？

无论如何，现在我的问题是：在实际的应用场景中，模型不会一次又一次地多次做出相同的预测，因此，除了第一个预测值之外，我的测量值似乎毫无用处。为了进行有意义的时间测量，是否有人想过多次进行相同的预测，但是总是像以前没有做过那样？通常，只是因为我很好奇：有人知道Keras为什么要这样做，而再次进行预测所需的时间却少了10倍吗？

Answer 1

我认为您需要在每次预测后清除会话。这样，您将能够在实时上下文中获得预测。

Settings

Keras预测时间测量：第一个值离群值

1 个答案: