Keras 培训期间的批量设置
当我使用keras+tensorflow gpu进行训练时，我将batch_大小设置为128，这是gpu可以接受的最大大小，否则就会出现OOM问题。我的问题是，当批处理_大小为128时，pics大小为128*224*224*3*4（在RGB通道中，img大小为224*224），总计约为10M字节，我认为这与GPU的内存相比太小了。有什么解释吗？你忘记了Keras 培训期间的批量设置,keras,gpu,Keras,Gpu,当我使用keras+tensorflow gpu进行训练时，我将batch_大小设置为128，这是gpu可以接受的最大大小，否则就会出现OOM问题。我的问题是，当批处理_大小为128时，pics大小为128*224*224*3*4（在RGB通道中，img大小为224*224），总计约为10M字节，我认为这与GPU的内存相比太小了。有什么解释吗？你忘记了3更多同样需要GPU内存的东西 你的模型重量 梯度计算期间的临时变量 这两者占用了大量内存。 这就是为什么即使批处理消耗10M 还有很多其他需要G
310M图像为uint，其中is张量为float64，大小增加了8倍。正向路径、梯度和其他张量占用大量内存
您可以根据给出的说明计算模型所需的内存