找到原因了（捂脸）
原来ctc_2019里面的callbacks 把那个封装的evaluate封装函数，记得昨晚十几分钟跑完那个CNN_2019的文件的训练部分后，结果用这个来测试，结果跑了两个点还没跑完，又是被这个支配了吗？（惊恐脸）

顺带说一下修改方法：把callbacks里面的Evaluate()注释掉就好了，也就是不用准确率回调函数。

from captcha_break.

我这里跑起来没有问题，你可以尝试更新版本，pip install -U tensorflow-gpu

from captcha_break.

顺带插一句隔壁的题外话，在TensorFlow相关的ipynb文件中，您对于模型的evaluate都是编写了一个evalute()函数或者类，这个评估函数算起来总是十分的慢，比如CNN_2019文件中，训练模型总共加起来不过十多分钟，结果在运行这个函数的时候，已经修改epoch为1了，依旧快两个小时，还没有结束的预兆。
按照该函数的意思，应该是遍历全部的可能组合结果对于该识别器进行评估？，在开头设置的时候，我加入了小写字母的考虑，难道是这个原因，导致的计算时间猛增？

Originally posted by @AemaH in #29 (comment)

准确率回调函数

from tqdm import tqdm

def evaluate(model, batch_size=128, steps=20):
    batch_acc = 0
    valid_data = CaptchaSequence(characters, batch_size, steps)
    for [X_test, y_test, _, _], _ in valid_data:
        y_pred = base_model.predict(X_test)
        shape = y_pred.shape
        out = K.get_value(K.ctc_decode(y_pred, input_length=np.ones(shape[0])*shape[1])[0][0])[:, :4]
        if out.shape[1] == 4:
            batch_acc += (y_test == out).all(axis=1).mean()
    return batch_acc / steps

from tensorflow.keras.callbacks import Callback

class Evaluate(Callback):
    def __init__(self):
        self.accs = []
    
    def on_epoch_end(self, epoch, logs=None):
        logs = logs or {}
        acc = evaluate(base_model)
        logs['val_acc'] = acc
        self.accs.append(acc)
        print(f'\nacc: {acc*100:.4f}')

这里的 steps=20，速度很快，不会遍历所有情况。

from captcha_break.

好的，我明天会再好好再查看一下里面的过程，十分感谢您的回复，给您添麻烦了 感恩

from captcha_break.

可以考虑的 debug 方向：

• 在 evaluate 函数的 valid_data 外面包一层 tqdm，显示计算分数的进度
• 把代码复制到 Pycharm 里，进入 Debug 模式，调试代码，在evaluate 函数里下断点，看哪一步会出问题
• 随时监控显存容量，watch -n 1 nvidia-smi，看看是不是显存爆了

我注意到你修改了图片尺寸，并且在跑 CNN 的时候一代需要十几分钟，而我本地跑只需要2分钟，所以你的显卡的显存可能不大，在显存爆掉的时候，有可能会卡很久。

我这里跑 ctc_2019.ipynb 所需的显存是 4822MiB，你可以作为参考。 evaluate 函数的 batch_size 默认是 128，你可以适当减小 batch_size，增加 steps，以适应较小显存，同时保持比较准确的分数估计。

如果无法定位问题，我这里也无法复现，可以考虑使用 pytorch 代码。

from captcha_break.