Python Tensorflow CPU内存问题（分配超过系统内存的10%）

我使用Keras/Tensorflow在python中创建了一个程序。我在创建数据和培训方面没有任何问题。但是，当我想评估我的模型时，我有以下错误：

Using TensorFlow backend.
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:4213: sparse_to_dense (from tensorflow.python.ops.sparse_ops) is deprecated and will be removed in a future version.
Instructions for updating:
Create a `tf.sparse.SparseTensor` and use `tf.sparse.to_dense` instead.
2018-12-05 19:20:44.932780: W tensorflow/core/framework/allocator.cc:122] Allocation of 3359939800 exceeds 10% of system memory.
terminate called after throwing an instance of 'std::bad_alloc'
  what():  std::bad_alloc
Abandon (core dumped)

---

这似乎是一个内存分配问题。我缩小了模型的尺寸，缩小了所有参数，但没有任何变化。我不知道如何解决这个问题

根据我的经验，此类问题的一个常见原因是，我们在培训中使用了合理的批处理大小，但在评估时尝试使用更大的批处理大小（通常是整个数据集）

我发现自己做这类事情是错误的：

model.fit（x\u系列，y\u系列，历次=5，批量=10）
模型评估（x_检验，y_检验）

鉴于我们确实需要这样做：

model.fit(x_train, y_train, epochs=5, batch_size=10) model.evaluate(x_test, y_test, batch_size=10) 模型拟合（x_序列，y_序列，历元数=5，批量大小=10） 模型评估（x检验，y检验，批量=10） 另见：