列车估计员（）和.predict（）对于小数据集来说太慢

Question

我正在尝试实现一个DQN，它在同一个模型上多次调用Estimator.train()，然后调用Estimator.predict()，每个模型都有少量的示例。但是每次调用至少需要几百毫秒到一秒钟以上，这与1-20这样的小数字的示例数无关。你知道吗

我认为这些延迟是由重建图形和保存每次调用的检查点造成的。有没有办法在内存中保持相同的图形和参数，以便快速训练预测迭代或以其他方式加速迭代？你知道吗

Answer 1

转换为tf.keras.Model而不是Estimator，使用tf.keras.Model.fit()而不是Estimator.train()。fit()没有train（）所具有的固定延迟。Keras predict()也没有。你知道吗