嗨,我有一些关于Python3.6的Keras的问题,我的环境是python的keras,只有CPU。
但问题是,当我迭代相同的Keras模型来预测一些不同的输入时,它变得越来越慢。
我的代码就是这么简单
for i in range(100):
model.predict(x)
第一次运行速度很快。可能需要2秒。但是第二次运行需要3秒,第三次运行需要5秒...即使我使用相同的输入,它也变得越来越慢。
我可以迭代什么来预测keras模型呢?我不想让任何速度变慢..这将是非常关键的。
我该如何修复它??
我有以下几种型号:
class Student(models.Model):
class Meta:
app_label = 'ground'
name = models.CharField(max_length=255)
def __unicode__(self):
return unicode(self.name)
class Program(models.Model):
class Meta:
app_label = 'ground'
name = model
它不会导致它的负载
select p.*
from contacts p left outer join
(select articleno, size, count(*) as cnt
from bsd t
group by articleno, size
) bc
on p.articleno = bc.articleno and p.size = bc.size
where coalesce(cnt, 0) < (select count(*)
from contacts p2
我有两个mysql表"store (id,name,imageurl)“和”收藏(person,storeid)“。
一切都很顺利。但随着数据的增加,它的速度越来越慢。我认为这主要是由于查询中的“in”。有什么方法可以让这个查询在执行上更聪明吗?
SELECT id,name,imageurl FROM store WHERE id IN
(SELECT storeid FROM favorites WHERE person='rhino' AND storeid>100000)
提前谢谢。
我正在创建一个应用程序,将数据从旧的数据库移动到新的数据库(不同的模式)。我用的是Visual Studio 2013,C#,Entity Framework 5,Microsoft SQL Server 2012。这个表,Customer,有超过4万条记录()。
private void TransferCustomer()
{
int counter = 0;
// Load all old customers
var oldCustomers = _oldRockDale.customers;
foreach (var oldCustomer in o