Image processing Tensorflow内存泄漏,tf.train.start\u queue\u运行程序(sess=sess)_
我已经建立了一个卷积网络,其尺寸为1750*1750,但是它占用的内存比它应该占用的要多,在四个测试图像上使用了27GB 它发生在我添加tf.train.start\u queue\u runners(sess=sess)之后。在此之前,没有问题 有很多代码,因此可以在此处找到所有代码: 我的代码应该没有任何问题,因为我已经彻底检查了它,并从CIFAR-10代码中借用了一些 这里的问题是什么?是我的代码还是Tensorflow库。请记住,输入函数是从Google Cifar-10示例复制过来的 下面是我调用队列运行程序的主文件Image processing Tensorflow内存泄漏,tf.train.start\u queue\u运行程序(sess=sess)_,image-processing,memory-management,tensorflow,Image Processing,Memory Management,Tensorflow,我已经建立了一个卷积网络,其尺寸为1750*1750,但是它占用的内存比它应该占用的要多,在四个测试图像上使用了27GB 它发生在我添加tf.train.start\u queue\u runners(sess=sess)之后。在此之前,没有问题 有很多代码,因此可以在此处找到所有代码: 我的代码应该没有任何问题,因为我已经彻底检查了它,并从CIFAR-10代码中借用了一些 这里的问题是什么?是我的代码还是Tensorflow库。请记住,输入函数是从Google Cifar-10示例复制过来的
import Input
import Process
import tensorflow as tf
def train():
with tf.Session() as sess:
images, labels = Process.inputs()
forward_propgation_results = Process.forward_propagation(images)
train_loss, cost = Process.error(forward_propgation_results, labels)
init = tf.initialize_all_variables()
tf.train.start_queue_runners(sess=sess)
sess.run(init)
for i in range(100):
print(sess.run([train_loss, cost]))
print(test)
def main(argv = None):
train()
if __name__ == '__main__':
tf.app.run()