Keras学习︱训练时显存out of memory的解决办法——fit_generator函数

在Keras中,当使用model.fit()进行训练导致显存不足时,可以改用fit_generator函数。fit_generator允许通过自定义的generator函数分批次加载数据,避免一次性加载全部数据造成内存溢出。此方法要求提供一个生成器,在每次迭代时返回一批数据,以降低内存压力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

keras默认情况下用fit方法载数据,就是全部载入。换用fit_generator方法就会以自己手写的方法用yield逐块装入
问题描述:建立好model之后,用model.fit()函数进行训练,发现超出显存容量
问题分析:fit()函数训练时,将全部训练集载入显存之后,才开始分批训练。显然很容易就超出了显存容量
解决办法:用fit_generator函数进行训练

fit_generator函数将训练集分批载入显存,但需要自定义其第一个参数——generator函数,从而分批将训练集送入显存

def data_generator(data, targets, batch_size):
    batches = (len(data) + batch_size - 1)//batch_size
     
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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