在 Colab TPU 上保存模型时非常慢

问题描述

我的情况是在 Colab TPU 环境下保存模型非常慢。

我第一次遇到这个问题是在使用 checkpoint 回调时，导致训练卡在第一个 epoch 结束。

然后，我尝试取出回调并使用 model.save_weights() 保存模型，但没有任何改变。通过使用 Colab 终端，我发现保存速度约为 100k 5 分钟。

Tensorflow 的版本 = 2.3

我的模型拟合代码在这里：

with tpu_strategy.scope(): # creating the model in the TPUStrategy scope means we will train the model on the TPU

    Baseline = create_model()
    checkpoint = keras.callbacks.ModelCheckpoint('baseline_{epoch:03d}.h5',save_weights_only=True,save_freq="epoch")


    hist = model.fit(get_train_ds().repeat(),steps_per_epoch = 100,epochs = 5,verbose = 1,callbacks = [checkpoint])

    model.save_weights("epoch-test.h5",overwrite=True)

解决方法

我发现问题发生是因为我通过写入显式切换到图形模式

from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()

之前

with tpu_strategy.scope():
    model.fit(...)

虽然我仍然不明白原因，但删除 disable_eager_execution 解决了问题。