解决GPU内存溢出问题的方法及示例代码

近年来，由于深度学习模型的复杂性和数据集的增大，训练过程中出现内存溢出的情况时有发生。当我们在使用GPU进行CNN（卷积神经网络）类模型训练过程中遇到内存溢出错误时，我们可以采取以下几种方式来解决这个问题：

1. 减少批处理大小（Batch Size）：
   批处理大小决定了每次迭代训练中所使用的样本数量。较大的批处理大小会占用更多的GPU内存，因此减小批处理大小是解决内存溢出问题的一种常见方法。通过降低批处理大小，我们可以减少每次迭代所需的内存量，从而避免内存溢出。

示例代码：

# 在训练代码中修改batch_size的数值
batch_size = 32  # 设置合适的较小的批处理大小

# 定义训练数据生成器
train_generator = ImageDataGenerator().flow_from_directory