训练时，怎么输出模型对每张图像的训练时间

在训练时，您可以使用深度学习框架（如TensorFlow、PyTorch等）提供的回调功能，来输出模型对每张图像的训练时间。具体来说，您可以使用 `keras.callbacks.LambdaCallback` 回调函数来定义一个计时器，然后在每次训练一个batch时，记录并输出该batch的训练时间。代码如下：

import time
from keras.callbacks import LambdaCallback

# 定义计时器
batch_times = []

# 定义LambdaCallback回调函数
batch_time_callback = LambdaCallback(
    on_batch_begin=lambda batch,logs: batch_times.append(time.time()),
    on_batch_end=lambda batch,logs: print('Batch %d time: %.2f s' % (batch, time.time() - batch_times[-1]))
)

# 在fit函数中添加batch_time_callback回调函数
model.fit(x_train, y_train, batch_size=32, epochs=10, callbacks=[batch_time_callback])

上述代码中，我们定义了一个计时器 `batch_times`，并在 `LambdaCallback` 回调函数的 `on_batch_begin` 和 `on_batch_end` 方法中分别记录当前batch的开始时间和结束时间，并计算并输出该batch的训练时间。这样，我们就可以在训练时输出模型对每张图像的训练时间了。