Python 当运行我的玩具示例时，Keras会失去记忆

在其他框架中工作了一段时间后，我正在学习Keras，我有以下代码示例：

import keras.layers 
import keras.models 
import numpy as np
from keras.optimizers import Adam
import random 
import os
import cv2
import tensorflow as tf

TrainingDirectory="/home/thijser/host/ImageConverter/trainingdata" 
def main():
    model = define_feedforward_network1()
    compileModel(model)
    model.summary()
    train(model)

def define_feedforward_network1():
    inp = keras.engine.input_layer.Input(shape=(None,None,3))
    init = keras.initializers.RandomNormal(stddev=0.02)
    layer1=keras.layers.Conv2D(64, (4,4), activation='relu', padding='same', kernel_initializer=init)(inp)
    layer2 = keras.layers.Conv2D(128, (4,4), activation='relu', padding='same', kernel_initializer=init)(layer1)
    outp = keras.layers.Conv2D(3, (4,4), activation='relu', padding='same', kernel_initializer=init)(layer2)

    return keras.Model(input=inp,output=outp)


def compileModel(model):
    adam=keras.optimizers.Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, amsgrad=False)
    model.compile(loss="mse", optimizer=adam,
    metrics=["mse"])

def train(model):
    model.fit_generator(mygenerator(),steps_per_epoch=100,epochs=16)


def mygenerator():

    batch_features=None
    batch_labels=None
    while True:
        target=random.choice(os.listdir(TrainingDirectory))
        batch_features=cv2.imread(TrainingDirectory+'/'+target+"/input.jpg", cv2.IMREAD_COLOR)
        batch_labels=cv2.imread(TrainingDirectory+'/'+target+"/labelcol.png", cv2.IMREAD_COLOR)
        yield np.array([batch_features]), np.array([batch_labels])

main()  

这是一个简单的神经网络，用于（在本例中）将彩色图像转换为灰度图像（只是为了对此有所了解）。可以通过将多个文件夹放入trainingDirectory文件夹，并将一个名为labelcol.png的图像和另一个input.jpg（与第一个相同大小）放入每个文件夹中来运行它

然而，当我运行它时，它会很快走出错误（就在进入训练的前16幅图像的末尾）。如果我打开报告_tensor _allocations _on _oom，我会得到一个segfault，因此它不会为我提供有用的信息，但是我可以看到内存使用量一次增加大约100-300 MB，这表明整个张量可能不会被释放

---

有人知道我做错了什么吗

您无法将所有训练图像加载到RAM中。您将需要构建一个定制的数据加载器，在训练循环中批量加载图像

---

这是一个很好的教程，对我帮助很大。

图像的大小是多少？您只使用Conv层，因此运行3000x3000x3图像，将在第一层之后生成3000x300x64，在第二层之后生成3000x300x128，依此类推。尝试将图像大小调整为200x200或类似的大小，看看这是否解决了您的问题mygenerator（）函数是否已经解决了这个问题？