Keras 重新训练VGG 16的密集层时出现内存问题

我想使用Keras和后端对VGG16的完全连接层进行再培训，以获得大灰度图像（1800x1800）

因此，我：

• 使用单个颜色通道创建新VGG，并加载原始VGG的权重
• 将trainable=False添加到所有卷积层（池和填充根据定义不可训练）
• 删除前两个密集层，只保留两个神经元的输出层
• 由于我使用1800x1800输入（别无选择），因此大幅增加最大池维度和步幅。尺寸下降得非常快，以匹配原始VGG尺寸
• 减少批处理大小以减少所需的内存

但当我开始训练时，我会面临一个CNMEM状态记忆不足错误。我使用NVIDIA K40，所以我的内存为12Go

---

您知道如何修复它吗？

您应该包括model.summary（）的输出，很可能该模型太大，无法装入VRAM。您可以尝试减少批处理大小，直到它适合RAM。该模型是典型的VGG，具有更小的密集层，因此最终比经典VGG更小。我已经将批大小减少到了可能的最小值。请尝试减少批大小，并确保输入的大小合理，如原始版本中的224x224VGG@Nain：批量大小已达到最小值，我无法处理较小的图像：-(