Python 3.x tf.keras.Model.load_weights（）捕获的资源排风机错误

我有两个ipynb文件：

train.ipynb

和

predict.ipynb

。我在

train.ipynb

中使用fit generator（批次大小为64）训练了一个模型，并在尝试在

predict.ipynb中加载权重时捕获了
ResourceExhausterRor
我在tensorflow v1.9和tensorflow docker图像中使用keras

# train.ipynb

def network():
    #[ A normal model]
    return model
model = network()
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit_generator(seq,shuffle=True,
                    epochs = 10, verbose=1
                   )
# save the model and weight after training
with open('model.json','w') as json_file:
    json_file.write(model.to_json())
model.save_weights('model.h5')
clear_session() # tried to clear the session here
# saved both successfully
# model.h5(131MB)

成功保存后，我可以将其加载回
train.ipynb
中。但是，当我在
predict.ipynb
中执行相同操作时，会发现一个错误

# train.ipynb
with open('model.json','r') as json_file:
    test_model = model_from_json(json_file.read())
test_model.load_weights('model.h5')
# No error here

# predict.ipynb
with open('model.json','r') as json_file:
    test_model = model_from_json(json_file.read())
test_model.load_weights('model.h5')
# Got the following error
ResourceExhaustedError: OOM when allocating tensor with shape[28224,1024] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc

感谢您的帮助
 您是否同时运行两台笔记本电脑？你的GPU内存不足。请尝试在命令行中使用nvidia smi检查GPU的资源使用情况，但请注意默认情况下TensorFlow会占用所有可用的GPU内存
keras.backend.clear_session（）
也会有所帮助
 没有，我是分开跑的。保存模型后，我调用了clear_session（）。请参阅上面的代码片段。