极慢的CNN

Question

我试图在R中训练一个带有角角的CNN，我有一个时间序列，它是三维的，所以每个样本都有尺寸95 x 365，有80个特征，我把它们作为频道输入。输出值仅为1。问题是网速太慢了。用400个样本训练1次，只需33分钟。这个体系结构非常简单(实际上我有一个更深的网，但是由于它太慢了，所以我简化了它，看它是否有用)：

model <- keras_model_sequential()
    model %>% 
      layer_conv_2d(filters = 32, kernel_size = c(9, 9), activation = "relu",
                    input_shape = c(95, 365, 80)) %>%
      layer_max_pooling_2d(pool_size = 2) %>%
      layer_flatten() %>%
      layer_dense(units = 50, activation = "relu") %>%
      layer_dense(units=1)

    model %>% compile(
      loss = 'mse',
      optimizer = optimizer_rmsprop()
    )

    model %>% fit(
      x_train, y_train,
      batch_size = 32,
      epochs = 1,
      verbose = 0
    )

我真的不知道这是甚麽问题。我训练了更简单的网络，比如MLP，计算时间在“正常”范围内，比如几分钟的时间，比如100个历次。所以我想问题不在于我使用的硬件。

Answer 1

因为CNN的计算成本很高，因为矩阵计算，这是GPU的帮助点，当你在CPU上执行相同的操作时，需要花费大量的时间，因为CPU中的核心数量远小于GPU。

由于您的数据以95x365表示，其中有80个通道，矩阵操作使其运行缓慢。

Answer 2

如果您所在的本地环境正在减缓您的培训速度，请尝试使用一个在线平台，该平台为您提供免费的GPU，如谷歌Colab，Kaggle的免费GPU

这些是几个使用相同的教程。