我正在使用 tensorflow 構建一個非常簡單的 Keras 模型。當我啟動它時，它因 OOM 異常而失敗，因為它試圖分配一個與整個數據集大小成比例的張量。這里會發生什么？相關形狀：數據集形狀：[60000, 28, 28, 1]Batch_size（自動）：10，step_per_epoch：6000錯誤消息：分配形狀為 [60000,256,28,28] 和類型為 float 的張量時出現 OOM注意：我沒有使用順序模型，因為稍后我將需要非順序層。張量流：1.12.0；Keras：2.1.6-tf最小工作示例：from tensorflow.keras import layersimport tensorflow as tfimport tensorflow.keras as kerasimport numpy as npdef build_mnist_model(input_img): conv1 = layers.Conv2D(256, (3,3), activation='relu', padding='same')(input_img) conv2 = layers.Conv2D(1, (3, 3), activation='sigmoid', padding='same')(conv1) return conv2(x_train, _), (x_test, _) = keras.datasets.mnist.load_data()x_train = np.expand_dims(x_train.astype('float32') / 255., -1)x_test = np.expand_dims(x_test.astype('float32') / 255., -1)print(x_train.shape)print(x_test.shape)input_img = keras.Input(shape = (28, 28, 1))autoencoder = keras.Model(input_img, build_mnist_model(input_img))autoencoder.compile(loss='mean_squared_error', optimizer = tf.train.AdamOptimizer(0.001))autoencoder.fit(x_train, x_train, epochs=50, steps_per_epoch=int(int(x_train.shape[0])/10), shuffle=True, verbose=1, validation_data=(x_test, x_test) )當我將模型定義為 keras.Sequential() 時，問題就消失了。
3 回答
桃花長相依
TA貢獻1860條經驗 獲得超8個贊
要分批訓練，您應該使用 fit_generator 方法。為此，您需要先制作數據生成器。您需要通過 flow_from_directory 使用 ImageDataGenerator 跟隨（例如）。這樣 keras 將分批提供數據。您應該調整批量大小以確保 GPU 的內存足夠。通常批量大小約為 32-64。一般來說，批量越大越好。
Keras 文檔：https ://keras.io/preprocessing/image/
您可以在此處查看使用示例：https : //www.kaggle.com/vbookshelf/skin-lesion-analyzer-tensorflow-js-web-app
繁花如伊
TA貢獻2012條經驗 獲得超12個贊
對我來說同樣的問題。我只是檢查了一些例子，發現：
dummy_x = tf.zeros((1, 224, 224, 1))
model._set_inputs(dummy_x)
如果此代碼在 fit 之前，則不會發生 oom。
慕俠2389804
TA貢獻1719條經驗 獲得超6個贊
嗯，我想您忘記定義要在您的網絡中輸入的 batch_size 了！
嘗試類似的東西：
autoencoder.fit(x_train, x_train,
epochs=50,
batch_size = 32,
steps_per_epoch=int(int(x_train.shape[0])/10),
shuffle=True,
verbose=1,
validation_data=(x_test, x_test)
)
添加回答
舉報
0/150
提交
取消