如何计算模型的运行时间？

import time

# 记录开始时间
start_time = time.time()

# 这里放置你的模型训练或推理代码
# ...

# 记录结束时间
end_time = time.time()

# 计算并打印运行时间
elapsed_time = end_time - start_time
print(f"模型运行时间：{elapsed_time} 秒")

import timeit

# 定义模型运行的函数
def run_model():
    # 这里放置你的模型代码
    pass

# 使用timeit测量运行时间
elapsed_time = timeit.timeit(run_model, number=1)
print(f"模型运行时间：{elapsed_time} 秒")

import tensorflow as tf
import time

# 构建和编译模型...

start_time = time.time()
model.fit(train_dataset, epochs=num_epochs)  # 训练模型
end_time = time.time()

print(f"训练时间：{end_time - start_time} 秒")

import torch
import time

# 构建模型、损失函数和优化器...

start_time = time.time()
for epoch in range(num_epochs):
    for data, target in train_loader:
        optimizer.zero_grad()
        output = model(data)
        loss = criterion(output, target)
        loss.backward()
        optimizer.step()
end_time = time.time()

print(f"训练时间：{end_time - start_time} 秒")