Python Tensorflow中的样式转换：分配tensor时的OOM

我一直在尝试在Windows（GPU版本）上运行此Tensorflow样式的传输实现，但遇到以下错误：

ResourceExhaustedError（回溯见上文）：分配时的OOM 形状张量[64239400] [[Node:gradients/MatMul\u grad/MatMul=MatMul[T=DT\u FLOAT，transpose\u a=false，transpose\u b=true， _device=“/job:localhost/replica:0/task:0/gpu:0”]（渐变/truediv_2_渐变/tuple/control_依赖项， 重塑]]

---

我是Tensorflow和Python的完全初学者，所以我真的不知道如何解决这个问题

这是内存不足错误。您没有足够的GPU内存来运行此映像的深层网络

您有两种解决方案：

如果您不关心速度，请使用CPU版本，因为您的CPU内存（RAM）可能比GPU内存多。将CUDA_VISIBLE_DEVICES设置为禁用GPU:

CUDA_VISIBLE_DEVICES=python neural_style.py--style--output

处理较小的图像。馈送更小尺寸的图像确实可以减少内存使用。因此，在将图像输入脚本之前，尝试对图像进行下采样；您可以尝试多种大小，以查看您可以放入GPU内存的最大大小

---

谢谢输入更小的图像有帮助。我只是希望有一个更好的解决方案，比如我可以改变设置，这样网络使用更少的内存。没有神奇的设置可以减少内存使用。如果您愿意投入大量精力（例如，如果您正在部署一个产品），请参阅quantization:tensorflow.org/performance/quantization