Python报错：00M: When allocating tensor with shape.

最新推荐文章于 2025-07-09 17:48:15 发布

原创最新推荐文章于 2025-07-09 17:48:15 发布 · 3.5k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

Python基础同时被 2 个专栏收录

26 篇文章

订阅专栏

深度学习

16 篇文章

订阅专栏

本文详细解析了在分配张量时出现的OOM错误，通常由显卡内存不足引起。介绍了检查显卡占用情况的方法，以及调整batch_size参数来解决内存溢出问题的策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

OOM : When allocating tensor with shape.

报错原因：显卡内存不够；

解决办法：①、首先查看显卡占用情况，有可能是显卡内存被别的程序占用没有退出，可以后台查看；

②、排除第一种情况之后，考虑：bath_size可能设置过大，可以适当调小。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

夜幕下的光123

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

报错解决：ResourceExhaustedError: OOM when allocating tensor with shape

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...

Tensorflow调参报错：Resource exhausted OOM when allocating tensor with shape

qq_24594197的博客

11-13

6462

错误信息 Resource ex hausted: OOM when allocating tensor with shape[200,256,28,28] and**** 这是一种调参时常遇到的问题，由于电脑显存不够而导致，我的电脑显存是8g，在调整参数 IMAGES_PER_GPU = 2时，会导致这样的错误，将其改回1错误消失(降低了batch size的大小)，一般的解决办法：减少Batch 的大小分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把204

参与评论您还未登录，请先登录后发表或查看评论

内存溢出OOM是什么，如何应对（Python）

最新发布

学习代码

07-09

348

—水会溢出、淹没桌面，而程序则会因“内存不够用”直接崩溃。在Python中，这种现象常表现为程序突然卡死、被系统强制终止，或抛出。内存溢出（Out Of Memory，OOM）就像往一个。通过上述方法，Python即使处理GB级数据也能游刃有余。：优先惰性计算（生成器），其次分块处理，最后借助高效库（如。）——让内存从“爆仓”变“高效周转”。

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

4536

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.

解决TensorFlow GPU版出现OOM错误

lzhero的博客

11-29

2万+

问题：在使用mask_rcnn预测自己的数据集时，会出现下面错误： ResourceExhaustedError: OOM when allocating tensor with shape[1,512,1120,1120] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_b...

Error：OOM when allocating tensor with shape[......]

澄宁的博客

12-26

1万+

问题描述：训练模型时，遇到：原因：内存不够，OOM即ran out of memory 可以使用top命令动态监听运行时间非常短的程序的内存使用情况：参考启用2个session，一个session运行top命令，另一个session运行指定的程序，top命令会输出与这个命令相关的资源使用情况。解决方法：最直观的方式就是减小batch_size或者hidden_layer中的单元数 ...

ResourceExhaustedError: OOM when allocating tensor with shape[512] and type float on /job:localhost

weixin_44152421的博客

05-26

1万+

运行resnet50程序时，出现这个错误。 **原代码地址：**https://github.com/calmisential/TensorFlow2.0_ResNet 错误显示： ResourceExhaustedError: OOM when allocating tensor with shape[512] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc [[node res_

tensorflow资源耗净 Resource exhausted OOM when allocating tensor with shape

妙音

05-01

4107

描述 tensorflow跑训练集经常会遇到错误Resource exhausted: OOM when allocating tensor with shape[64,33,33,2048] 错误内容 tensorflow.python.framework.errors_impl.ResourceExhaustedError: 2 root error(s) found. (0) Resou...

tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shap

m0_46926492的博客

03-06

1896

【代码】tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shap。

(0) Resource exhausted: OOM when allocating tensor with shape[16,12,512,512] and type bool on

intmain_S的博客

01-05

614

训练模型时出现上述问题。

Tensorflow运行中遇到OOM when allocating tensor的解决

qq_45704645的博客

11-14

3230

Tensorflow运行中遇到OOM when allocating tensor 在使用tensorflow训练程序的时候，遇到了如下错误：原因是GPU OOM内存不够，因此可尝试改成批处理。即将训练的数据调小。将batch_size调小。

解决TensorFlow GPU版出现OOM错误的问题

12-20

OOM when allocating tensor with shape[96,3,299,299] and type float on /job:localhost/replica:0/task:...

weixin_34210740的博客

10-14

1822

单个GPU启动任务时报OOM的错误： tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[96,3,299,299] and type float on /job:localhost/replica:0/task:0/device:GP...

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

2360

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

[tensorflow] tensorflow.***.ResourceExhaustedError: OOM when allocating tensor with shape[***]

qq_19007335的博客

08-18

720

因为现在做的一个项目需要同时加载多个模型，而给的显卡又太渣了，加载不了几个就OOM了，查资料发现可以使用cpu来预测，使用cpu时是使用内存而不是使用显存，正好给的服务器的内存很大，所以这里记录一下 tensorflow版本：2.4.2 显卡：NVIDIA Quadro P620 显存：2G 内存：128G 解决：执行 os.environ["CUDA_VISIBLE_DEVICES"] = "-1"` 之后预测会使用cpu计算而不是gpu，会使用内存而不是使用显存。 ...

OOM when allocating tensor with shape****and type float on /job:localhost/replica:0/ta解决

weixin_56178442的博客

05-22

817

用tensorflow训练一个模型的时候出现如标题所述的这个错误，同时还有Tensorflow: Allocation of XXXXXX exceeds 10% of system memory，按照csdn上几篇博文的建议，减少了batch_size仍没解决。后来发现是输入值的维度太大，把它调小就解决了。

Tensorflow中遇到OOM when allocating tensor

热门推荐

lanyuxuan100的博客

04-21

2万+

在使用tensorflow训练程序的时候，遇到了如下错误：这表明内存溢出，在查看发现有另外一个训练程序与之争抢资源，停掉，在重新给训练任务分配GPU，避免争抢，问题解决。

''tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with sh...

weixin_34319999的博客

06-21

1019

这是tensorflow 一个经常性错误，错误的原因在于：显卡内存不够。解决方法就是降低显卡的使用内存，途径有以下几种措施: 1 减少Batch 的大小 2 分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把2048改成1042啥的 3 增加pool 层，降低整个网络的维度。 4 修改输入图片的大小总结以下：想进一切办法降维，降低网络的维度。...

ResourceExhaustedError: OOM when allocating tensor with shape[25088,4096] and type float on

qq_42544924的博客

07-02

845

基于GPU版本tensorflow2.0模块训练VOC数据集时，出现如下问题： ResourceExhaustedError: OOM when allocating tensor with shape[25088,4096] and type float on 经查阅资料，意思为显卡内存不足。分析原因是数据量过大导致。解决办法：将卷积层 Conv2 的卷积核个数大幅度削减之后，即可。 ...

oom when allocating tensor with shape

06-28

### 回答1： "oom when allocating tensor with shape" 的意思是在分配形状为某个值的张量时出现了内存不足的错误。这通常是因为计算机的内存不足以容纳所需的张量大小。需要考虑减少张量的大小或增加计算机的内存。 ### 回答2： oom when allocating tensor with shape的意思是指当分配一个给定形状的张量时，内存溢出错误（OOM error）发生了。这通常是由于所需的内存超出了计算机可用的内存限制而导致的。在深度学习中，建立神经网络需要大量的计算，因此需要使用大量的张量来存储权重、梯度和输入输出等信息。如果程序试图分配一个超出计算机可用内存范围的张量，就会发生OOM错误。解决OOM错误有以下几种方法： 1. 减少批量大小（batch size）。减小批量大小可以降低内存使用量，减少OOM错误的概率。 2. 改变网络设计。可以使用稠密层替换卷积层、使用较小的卷积核、减少特征图的数量，从而减少模型的参数量和内存占用。 3. 优化代码。使用内存复用（memory reuse）策略以减少内存碎片、使用 GPU 可以增加 GPU 内存、减少不必要的拷贝等。 4. 增加物理内存或硬件（如 GPU）显存。增加机器的物理内存可以缓解OOM错误的概率。总之，OOM错误是深度学习中常见的错误之一，但我们可以通过减少批量大小、改变网络设计、优化代码或增加硬件设备，来减少或避免出现OOM错误。 ### 回答3：当我们在使用深度学习模型进行训练或者预测推断时，经常会遇到OOM（Out Of Memory）错误。其中一个常见的错误信息是“OOM when allocating tensor with shape”，可能在使用大量数据进行模型训练时出现。这个错误通常是由于我们在 TensorFlow 中为数据分配了过多的内存而导致的。出现这个错误的原因可以来自以下几个方面： 1. 内存不足。我们在运行 TensorFlow 时，它会占用我们系统的内存。所以如果可使用内存不足，TensorFlow 就会抛出 OOM 错误。 2. 对于网络较大或者模型较深的情况，如果一次将所有的数据都加载到内存中，会占用过多的内存资源。因此需要采用分批次读入数据的方式进行训练 3. 模型中使用过多的变量。当我们使用 tf.get_variable() 函数创建变量时，如果不指定寻找谁创建的变量，TensorFlow 就会在当前命名空间中查找所有与该名称匹配的变量。这就会导致 TensorFlow 创建大量的变量，从而出现 OOM 错误。如何解决这个错误呢？ 1. 使用更大的显存或者更大的内存。如果你有足够的硬件资源，这个问题就很好解决，只需要升级硬件即可。 2. 采用分批数据处理的方式。可以使用 TensorFlow 中的 Dataset 对象或者迭代器等 API 来加载数据，并使用 batch() 函数来分批次处理数据，从而避免一次性将所有数据加载到内存中。 3. 对于模型中使用过多的变量，可以使用 with tf.variable_scope(name) 加入作用域的方式来创建变量，这样就可以在 name 命名空间中搜索变量，避免创建过多的变量。综上所述，OOM when allocating tensor with shape 这个错误的出现通常是由 TensorFlow 内存不足或者模型实现不合理导致的。通过调整硬件资源、采用数据分批处理或者控制变量数量等方式我们可以避免这个错误的出现，从而更好地进行深度学习模型的训练和推理。