Tensorflow 在GPU上运行文本分类-CNN_Tensorflow_Deep Learning_Gpu_Text Classification_Tensorflow Gpu

Tensorflow 在GPU上运行文本分类-CNN

tensorflow deep-learning

Tensorflow 在GPU上运行文本分类-CNN,tensorflow,deep-learning,gpu,text-classification,tensorflow-gpu,Tensorflow,Deep Learning,Gpu,Text Classification,Tensorflow Gpu,基于这个github链接，我想在GPU上对Ubuntu-16.04上的数据集进行分类。为了在GPU上运行，我将text_cnn.py上的第23行更改为：带有tf.device（'/GPU:0'）、tf.name_范围（“嵌入”）：我的列车阶段的第一个数据集有9000个文档，其大小约为120M 第二个用于列车的文件有1300个，其大小约为1M 使用GPU在Titan X服务器上运行后，出现错误。请指导我，我如何解决这个问题？谢谢。您遇到内存不足错误，所以首先要尝试的是更小的批处理大小

基于这个github链接，我想在GPU上对Ubuntu-16.04上的数据集进行分类。为了在GPU上运行，我将text_cnn.py上的第23行更改为：带有tf.device（'/GPU:0'）、tf.name_范围（“嵌入”）：

我的列车阶段的第一个数据集有9000个文档，其大小约为120M 第二个用于列车的文件有1300个，其大小约为1M

使用GPU在Titan X服务器上运行后，出现错误。

请指导我，我如何解决这个问题？

谢谢。

您遇到内存不足错误，所以首先要尝试的是更小的批处理大小（默认值为64）。首先，我想说：

/train.py——批处理大小32

大部分内存用于保存嵌入参数和卷积参数。我建议减少：

```
EMBEDDING\u DIM
```
```
NUM\u过滤器
```
```
批量大小
```

尝试嵌入\u dim=16、batch\u size=16和num\u filters=32，如果可以的话，一次增加2倍

另外，如果您使用docker虚拟机运行tensorflow，那么默认情况下，您可能会被限制为仅使用1G内存，尽管您的机器中有16G内存。有关更多详细信息，请参阅。

我尝试了--batch_size 32--./traint.py，只运行了100个步骤，之后由于出现错误而终止。！！！！！