tensorflow ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape

TF内存溢出
最新推荐文章于 2023-01-16 10:57:53 发布
原创 最新推荐文章于 2023-01-16 10:57:53 发布 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍在TensorFlow Object Detection中遇到内存溢出问题的原因及解决办法。主要是由于设置的batch size过大导致内存溢出，解决方法是在配置文件中减小batch size的数值。

1、问题：
在tensorflow 的Object detection 中，如果出现上面的错误，就是内存溢出，主要原因是设置的batchsize过大
在这里插入图片描述
2、解决方法：
在config中，减少batch_size的数值就好

在这里插入图片描述

训练深度学习模型时报错**ResourceExhaustedError:** OOM when allocating tensor with shape原因和解决方法分析
wyf425的博客
03-22 4586
训练深度学习模型时报错ResourceExhaustedError: OOM when allocating tensor with shape原因和解决方法分析 一、报错内容 报错内容如下图所示： 这是在采用tensorflow训练网络时非常常见的报错形式。 二、原因分析 **核心原因：**GPU显存不足。 表面原因： Batchsize太大； 图片尺寸太大； 池化层池化效果不佳； 等等。 二、解决方法 **核心方法：**使用一切手段减少模型内存占用或扩大显卡内存或采用其他内存。开源节流相辅相成.
Tensorflow运行时ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape
qq_40431912的博客
02-22 3811
使用Tensorflow库进行cifar-10模型测试时，出现以下错误： ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[10000,32,32,32] and type float on /job:localhost/replica:0/task:0/device:GP...
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[1105,7,7
weixin_36670529的博客
11-30 919
一般出现这个问题是GPU内存不够用，重新指定GPU即可。
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[100,35,35,64
weixin_38100489的博客
01-18 2243
原因是显存不够了，解决方式缩小图片大小，我试了管用。 参考： http://wenda.chinahadoop.cn/question/6162
TensorFlow训练报错：ResourceExhaustedError: OOM when allocating tensor device:GPU:0 by allocator G
与君共勉，一起学习
05-02 2423
使用TensorFlow训练某些较大模型时会发生内存溢出，如果 已经安装了TensorFlow-GPU版本，训练时会优先调用GPU版本的TensorFlow，而一般电脑上显存比较小，很容易发生溢出，就会出现如下报错： ResourceExhaustedError: OOM when allocating tensor with shape[1024,728,1,1] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allo
[显存被占满，程序无法运行问题]ResourceExhaustedError (see above for traceback): OOM when allocating tensor
Fox_Alex的博客
04-10 1万+
最近在实验室的服务器上跑tensorflow程序，一直都没有报错，但是今天却突然报错，而且出错提示显示的内容从未见到过，错误提示如下： 错误提示资源耗尽，无法分配tensor出错。通过在网上查找原因以后才明白，是因为后台存在其他进程占用GPU资源。问题出在两方面，一个是有其他进程正在GPU上运行占用GPU资源，另外一个是由于所写的模型逻辑出了问题，比如分配大小等等。第二种情况需要自己重新检查...
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[682112,156]
secretxx的博客
04-25 5758
运行出错结果如下：出错原因主要和自己的算法有关，在图像识别的程序中，我的filters的数量分配如下：Filters的数量越多，同一张图片经过这些filters提取特征后占用显卡内存数量越大，经过这两层众多数量的filter卷积后，占用的内存极大。另外：图片经过这些filters提取特征后缓存在显卡内存中，经过flaten展平，在经过一层包含1024个神经元的神经网络学习，每一批（batch）数据...
报错解决：ResourceExhaustedError: OOM when allocating tensor with shape
热门推荐
个人博客
04-14 2万+
报错解决：ResourceExhaustedError: OOM when allocating tensor with shape 早上在使用tensorflow时遇到如下报错： Traceback (most recent call last): File "C:\Users\peter\Anaconda3\lib\site-packages\spyder_kernels\custom...
Resource exhausted: OOM when allocating tensor with shape[2304,384] Traceback (most recent call last
yjk13703623757的博客
03-21 4837
问题 我用tensorflow训练深度学习模型时，出现以下错误： # python train.py --logdir myLog --batch_size 256 --dropout_rate 0.5 OP_REQUIRES failed at conv_ops.cc:636 : Resource exhausted: OOM when allocating tensor with shap...
IBM云平台linux下训练yolov3，GPU被其他程序占用，内存不够导致报错
wukai0909的博客
09-09 1010
超参重新调整后，开始运行程序训练yolov3，开始以为是调整程序，修改参数导致的错误。但在恢复原参数，还是照样错误，通过对错误代码的解读，是GPU内存不够导致。但比较奇怪的是对于IBM云平台，只能训练被指定分配的GPU，被其他人的程序占用，导致报错。 2019-09-07 17:10:57.137765: I tensorflow/core/common_runtime/bfc_allocato...
解决TensorFlow GPU版出现OOM错误的问题
09-18
今天小编就为大家分享一篇解决TensorFlow GPU版出现OOM错误的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[16,77,3072]
Learning
03-16 4654
跑模型的时候出现了下面的错误（太长了，所以只保留了有用的关键信息）。在网上得知，出现这种错误的原因可能是显存空间不够，这有可能是使用的batch_size过大或者显卡被其他服务占用引起的。之后我查看了一下源码，偶然间发现代码里使用的n_gpu的默认值是4，我将其修改为1并重新运行代码之后，代码被成功执行。 结合网上搜索到的资源和我的这次试验，总结一下出现这个问题的原因： batch_size太...
显存不够----ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[4096...
weixin_34162401的博客
02-08 251
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[4096] 类似问题https://github.com/CharlesShang/TFFRCNN/issues/68 参考： http://blog.youkuaiyun.com/qing101hua/arti...
学习随笔-ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[x,x]
Evan的日常blog
03-13 2215
今天跑代码的时候一直报这个ResourceExhaustedError,刚开始我看后边提示shape[100,40960],我以为是自己的网络参数设置错了,但仔细检查之后运行还是同样报错,我又认真就看了看报错问题,发现是因为数据量太大,我那一块显卡(GTX 1080)的显存(8G)不够用了,于是我打开了终端.输入:watch -n 1 nvidia-smi显示显卡的各种信息,其中1代表数据刷新时间...
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[64,1,5,5]
JavaBigData的博客
11-08 259
参数太多，gpu内存不足，适当减少参数
DeepLab V3+：ResourceExhaustedError (see above for traceback): OOM when allocating tensor of shape
bcfd_yundou的博客
09-25 961
在跑DeepLab V3+时遇到ResourceExhaustedError (see above for traceback): OOM when allocating tensor of shape错误 GPU：1060/6G github：https://github.com/tensorflow/models/tree/master/research/deeplab 是显存不够了，把...
TensorFlow2.0学习过程中遇到“ResourceExhaustedError”错误的一种解决思路
斯普蕊赢的博客
04-21 2585
最近在学习利用TensorFlow2.0训练模型，然后就遇到了下面这个错误： ResourceExhaustedError Traceback (most recent call last) <ipython-input-15-0d9dc5695c3a> in <module> ----> 1 history=model.fit(train_x,train_y,epochs=5,batch_size=64,validation_data=(
OOM ResourceExhaustedError
weixin_43780880的博客
08-29 411
错误：OOM ResourceExhaustedError 本文记录ResourceExhaustedError出错过程，提出解决方案。 1.问题描述 在学习keras时，运行从GitHub上down下来的官方自带的demo，结果出现OOM ResourceExhaustedError错误。 2.尝试解决 （1）在终端命令行用“nvidia-smi”查看GPU使用情况，如下图： （2）用“fus...
Resource exhausted: OOM when allocating tensor with shape[*,*,*,*]
qq_44761819的博客
01-16 670
Resource exhausted: OOM when allocating tensor with shape[*,*,*,*]
安装TensorFlow时报错ERROR: Exception:Traceback (most recent call last):
最新发布
06-10
在安装TensorFlow时遇到错误，特别是包含"Exception: Traceback (most recent call last)"这样的堆栈跟踪信息，通常表示安装过程中出现了异常。这可能是由于多种原因引起的，如依赖库缺失、版本冲突、权限问题或系统...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值