大约一个月前，我在谷歌Colab Pro上使用TensorFlowGPU 1.13，使用ImageAI训练了一个使用750张图像的自定义对象检测模型，训练时间大约为30min/epoch。现在，当我使用相同的数据集但使用TensorFlowGPU 2.4.3(ImageAI不再支持旧的TF(进行训练时，我得到的GPU使用量很少(0.1GB(，每个历元训练时间为6小时。我试过在我的本地机器上训练同样的型号，但我的训练时间也很慢。
我正在使用以下导入(基于ImageAI文档(：
!pip install tensorflow-gpu==2.4.0 keras==2.4.3 numpy==1.19.3 pillow==7.0.0 scipy==1.4.1 h5py==2.10.0 matplotlib==3.3.2 opencv-python keras-resnet==0.2.0!pip install imageai --upgrade
我正在从谷歌硬盘中提取我的训练数据。
我有没有遗漏什么可以加快我在谷歌Colab或本地机器上的物体检测训练时间？缓慢的训练时间使我的研究速度减慢。
根据我的经验，如果你想完全使用GPU，你必须恢复到以前版本的ImageAI及其兼容包。以下是截至目前(2021年1月(我在本地机器和谷歌Colab:上安装的兼容软件包列表
- TF-GPU==1.13.1
- Keras==2.2.4
- Imageai==2.1.0
这修复了由ImageAI的最新补丁引起的任何问题。我现在回到GPU的完全使用。在问题得到修复之前，我建议使用旧版本。