Python 如何解决资源枯竭的问题？为什么有这么大的张量？

我的损失函数应该是tf.loss.mean_squared_error，但是使用这个函数，就会出现ResourceDeputureError。 因此，我尝试自己实现损失函数：

diff = tf.subtract(ground_truth_ph, self.pred, name='sub') 
loss_op = tf.math.square(diff, name='squared')

我仍然得到错误：

ResourceExhaustedError: OOM when allocating tensor with shape[1138314,1138314] and type float on /job:localhost/replica:0/task:0/device:CPU:0 by allocator cpu
     [[{{node sub}}]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

My self.pred的形状为（1138314，1），ground_truth_ph（初始化为（None，1））

我不明白为什么需要为元素减法分配这么多内存

---

提前谢谢

ground\u truth\u ph

是

tf.placeholder（）

的一个实例吗？你能告诉我它是如何实例化的吗？另外，请包括你的代码的其余部分。看起来您看到的错误可能是由所示的两行以外的原因造成的。如果

self.pred

是由神经网络做出的预测，那么做出该预测很可能就是导致错误的原因。上面的两条线不会产生一个平方张量，除非通过一个。