Tensorflow 为什么我的inception和带有2M参数的LSTM模型需要1G GPU内存？

该模型主要基于inception和LSTM，由Keras在tensorflow 2.x上实现。保存的模型参数仅占用2M的空间。该模型以32个批次的规模进行动态训练，每个批次的数据量为0.25M。model.fit_生成器中的辅助进程为20，use_multiprocessing=True

然而，我观察到它需要1G的GPU内存。我无法找出原因，我也不知道在培训期间可以使用哪些工具来监控模型不同部分的GPU内存成本

下面显示了模型的详细信息：

---

分配的GPU内存不仅用于参数，还用于向后传递的激活和渐变

此外，您还必须考虑以下因素影响使用的内存量：

• 批量大小：批量中的图像越多，意味着激活次数越多
• 工人数量：每个工人都需要一些内存来操作