日志47160113

前几天我的程序的龟速运行让我自以为明白了机器学习的耗时、耗硬件，并且想要GPU……

但今天我稍微优化了一点性能：

原代码：

index = 0
def next_batch(n):
    global index
    if index+n>60000:
        index = 0
    xs = np.float32(mnist.train_images()[index:index+n]).reshape((n,28**2))/255
    ys = to_onehotv(mnist.train_labels()[index:index+n])
    index += n
    #print(index)
    return xs,ys

优化后：

#将以下代码及部分其它代码单独放在mnistpack.py中
train_xs = np.float32(mnist.train_images()).reshape((60000,784))/255
mnist_train_labels = mnist.train_labels()
index = 0
def next_batch(n):
    global index
    if index+n>60000:
        index = 0
    xs = train_xs[index:index+n]
    ys = to_onehotv(mnist_train_labels[index:index+n])
    index += n
    #print(index)
    return xs,ys

这样修改后运行速度快了大概百倍以上……以前看着它一个一个蹦，现在就是“刷”一下全出来了。看来之前的龟速不是因为训练耗时，而是每次都要在函数next_batch()里完整载入一次mnist.train_images()……

虽说过早的优化是万恶之源，但缺少必要的优化也很要命啊。