Deep learning 是否可以减少convert_imageset.cpp中的批处理图像数，以解决GPU内存不足的问题？_Deep Learning_Caffe_Pycaffe_Lmdb_Deeplearning4j

Deep learning 是否可以减少convert_imageset.cpp中的批处理图像数，以解决GPU内存不足的问题？

deep-learning

Deep learning 是否可以减少convert_imageset.cpp中的批处理图像数，以解决GPU内存不足的问题？,deep-learning,caffe,pycaffe,lmdb,deeplearning4j,Deep Learning,Caffe,Pycaffe,Lmdb,Deeplearning4j,我试图在caffe中对我的数据运行fcn。我能够通过convert\u imageset内置函数caffe将图像集转换为lmdb。然而，一旦我想训练网络，它给了我以下错误： Check failed: error == cudaSuccess (2 vs. 0) out of memory *** Check failure stack trace: *** ..... Aborted (core dumped) 我查阅了许多在线资源来解决内存故障，但大多数都建议减少批处理大小。甚至，我还将

我试图在caffe中对我的数据运行fcn。我能够通过

convert\u imageset

内置函数caffe将图像集转换为

lmdb

。然而，一旦我想训练

网络

，它给了我以下错误：

Check failed: error == cudaSuccess (2 vs. 0)  out of memory
*** Check failure stack trace: ***
.....
Aborted (core dumped)

我查阅了许多在线资源来解决内存故障，但大多数都建议减少批处理大小。甚至，我还将图像的大小减小到256x256。我还不能解决这个问题。我用这个命令检查了GPU的内存

nvidia smi

，型号是

nvidia GT 730

，内存是

1998 MiB

。由于

train\u val.prototxt

中的批大小为1，因此我无法在

train\u val.prototxt

中执行任何操作。因此，我的问题是：

通过查看终端中的日志文件，我意识到每当

convert_imageset

将数据转换为LMDB时，它就一组拍摄1000张图像。是否可以将的

和

行中的数字更改为较小的数字（例如2；一次拍摄两张图像），重新编译caffe，然后使用convert_imageset将图像转换为lmdb？这有意义吗

如果问题1的答案是肯定的，我如何再次编译caffe，我是否应该删除

build

文件夹并再次从中执行caffe安装刮伤

caffe如何处理LMDB数据？这就像在运行convert_imagenet时拍摄一批显示的1000幅图像一样吗

非常感谢你的帮助。谢谢

另外，cuda内存不足时，每个事务（

txn->Commit（）；

）提交给lmdb的条目数没有影响

如果出于任何原因想重新编译caffe，只需运行

makeclean

。这将清除所有内容，让您从头开始重新编译

同样，AFAIK、caffe一次访问lmdb

batch_size

图像，而不考虑写入数据集时使用的事务大小

您确定

batch\u size

在训练和测试阶段都设置为1吗

另外，cuda内存不足时，每个事务（
txn->Commit（）；
）提交给lmdb的条目数没有影响

如果出于任何原因想重新编译caffe，只需运行
makeclean
。这将清除所有内容，让您从头开始重新编译

同样，AFAIK、caffe一次访问lmdb
batch_size
图像，而不考虑写入数据集时使用的事务大小

您确定
batch\u size
在培训和测试阶段都设置为1吗？
非常感谢您提供的信息。是的，这是FCN语义分割，批量大小为1。有什么办法解决我的问题吗？@S.EB购买一个内存更大的新GPU：|非常感谢您提供的信息。是的，这是FCN语义分割，批量大小为1。有什么办法解决我的问题吗？@S.EB购买一个内存更大的新GPU：|