米米卡卡号和密码,河北在建项目网,中国音乐基地
如果在keras内部多次使用同一个model,例如在不同的数据集上训练同一个模型进而得到结果,会存在内存泄露的问题。在运行几次循环之后,就会报错oom。
解决方法是在每个代码后面接clear_session()函数,显示的关闭tfgraph,再重启。
详情参考
from keras import backend as k
k.clear_session()
补充知识:keras多次加载模型进行测试时内存溢出的解决方法
在进行实验的过程中,保存了每个epoch的模型参数文件,需要验证每个保存的模型的效果,想到直接简单粗暴的手法,就是一个循环里加载模型并进行验证,但是导致随着加载的模型越来越多,速度越来越慢。
方法如下:在每次加载模型之前,清空模型占用的内存即可。
import tensorflow as tf from keras import backend as k k.clear_session() tf.reset_default_graph() ‘'‘加载模型位置'‘'
更多内容信息,可以参见官网介绍
以上这篇keras 快速解决oom超内存的问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持移动技术网。
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论