解决TensorFlow-gpu版本训练模型时内存不够的问题
在训练模型的过程中发现自己的内存不够,选择了降低图片精度的方式,但是这样会降低训练的准确率的结果;
辗转多次方法,看了许多大佬的博客与方案后,发现了我们可以通过降低batch_size,增加每个epoch的steps的方法,从而达到了不用压缩图片的目的,因为我们的显卡一次装不下这么多的东西,那么减小batch_size,直到显卡可以一批次装下这么多东西即可。
本文针对TensorFlow-gpu版本训练模型时遇到的显存不足问题,介绍了一种通过减少batch_size和增加每个epoch步骤数的方法来避免降低图片精度,进而保持模型训练准确性。
在训练模型的过程中发现自己的内存不够,选择了降低图片精度的方式,但是这样会降低训练的准确率的结果;
辗转多次方法,看了许多大佬的博客与方案后,发现了我们可以通过降低batch_size,增加每个epoch的steps的方法,从而达到了不用压缩图片的目的,因为我们的显卡一次装不下这么多的东西,那么减小batch_size,直到显卡可以一批次装下这么多东西即可。
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
6425
4607

被折叠的 条评论
为什么被折叠?