Tensorflow LSTM内存使用

我正在尝试

LSTM

序列标签。在添加嵌入层之前，我将输入数据直接放入

LSTM

层。但它给我的GPU内存错误，即使批量大小是1

max_length

是330，我应该改变模型还是添加嵌入层才行？我使用的是带有12GB内存的Titan X GPU

# tf Graph input
x = tf.placeholder(tf.float32, [None, max_length, num_table])
y = tf.placeholder(tf.float32, [None, max_length, n_classes])
seqlen = tf.placeholder(tf.int32,[None])

# Define weights
weights = {
    'out': tf.Variable(tf.random_normal([n_hidden, n_classes]))
}
biases = {
    'out': tf.Variable(tf.random_normal([n_classes]))
}

def LSTM(x, seqlen, weights, biases):
    # given input: (batch_size, n_step, feature_table )
    # required : (n_step, batch_size, feature_table )
    x = tf.unpack(tf.transpose(x,perm=[1,0,2]))

    lstm_cell = tf.nn.rnn_cell.LSTMCell(n_hidden)
    #lstm_cell = tf.nn.rnn_cell.DropoutWrapper(lstm_cell,keep_prob)

    outputs, states = tf.nn.rnn(cell=lstm_cell,
        dtype=tf.float32,
        sequence_length=seqlen,
        inputs=x)

    # convert to (n_step, batch_size, n_classes)    
    temp = [tf.matmul(output,weights['out']) + biases['out'] for output in outputs]

    # convert to (batch_size, n_step, n_classes)
    temp = tf.transpose(tf.pack(temp),perm = [1,0,2])
    return temp

---

有多少类？

n_类

只有2个，但

num_表

相当大，大约50000个是从源代码构建的？你能检查什么进入和离开吗？实际上，你可以设置

tf.logging.verbosity（1）

，并查看带有

\uuuu LOG\u MEMORY\uuuu

的消息。有多少个类？

n\u classes

只有2个，但是

num\u table

相当大，你是从源代码构建的吗？你能检查什么进入和离开吗？实际上，你可以设置

tf.logging.verbosity（1）

，并查看带有

\uu LOG\u内存的消息。