09月22日, 2014 163次
正文重要引见“怎样处置TensorFlowGPU本子中的OOM缺点题目”。在凡是操纵中，断定很多人对于怎样处置TensorFlowGPU本子中OOM缺点的题目有所迷惑。边肖查看了百般材料，整治出大略易用的操纵本领，蓄意能扶助大师回答“怎样处置TensorFlowGPU本子中OOM缺点的题目”的迷惑。接下来，请和边肖一道进修！
运用mask_rcnn猜测本人的数据集时，会展示以次缺点：
ResourceExhaustedError:经过调配器GPU_0_bfc调配形势为[1，512，1120，1120]且典型为FLOAT on/job : localhost/replica :0/task :0/device : GPU :0的张量时OOM [{ { node rpn _ model/rpn _ conv _ shared/卷积}}=Conv2D[T=DT_FLOAT，data_format= NCHW ，explants='[[{ { node ROI _ align _ mask/strided _ slice _ 17/_ 4277 } }=_ Recv[client _ terminated=false，Recv _ device= /job : localhost/replica :0/task 3:0/device : ，send _ device= /job : localhost/replica :0/task 3:0/device 33: GPU 333333
第一，由于图片尺寸是3200*4480，图片尺寸太大。
第二，我用的是TensorFlow GPU本子，然而我的GPU的视频外存惟有8G，引导视频外存不及。
开始，将图片的巨细变动为小于视频外存的巨细。
第二，咱们不运用GPU举行猜测，只运用CPU举行猜测，由于CPU外存普遍比视频外存大。然而它安置了GPU本子的TensorFlow，以是须要在猜测步调中举行变动。
该步调在前两行中增添了以次代码：
导出osos . environ[ CUDA _ VISIble _ DEVISIONS ]=
引号里填的是GPU的序列号，即使没有，证明没有运用GPU。
至此，“怎样处置TensorFlowGPU本子中OOM缺点的题目”的接洽中断，蓄意能处置大师的迷惑。表面和试验的贯串不妨更好的扶助大师进修，以是赶快试试吧！即使你想连接进修更多的关系常识，请连接关心网站，边肖会连接全力，给大师带来更多适用的作品！