本文主要介绍“如何解决TensorFlowGPU版本中的OOM错误问题”。在日常操作中，相信很多人对于如何解决TensorFlowGPU版本中OOM错误的问题有所疑惑。边肖查阅了各种资料，整理出简单易用的操作方法，希望能帮助大家解答“如何解决TensorFlowGPU版本中OOM错误的问题”的疑惑。接下来，请和边肖一起学习！
问题：
使用mask_rcnn预测自己的数据集时，会出现以下错误：
ResourceExhaustedError:通过分配器GPU_0_bfc分配形状为[1，512，1120，1120]且类型为FLOAT on/job : localhost/replica :0/task :0/device : GPU :0的张量时OOM [{ { node rpn _ model/rpn _ conv _ shared/卷积}}=Conv2D[T=DT_FLOAT，data_format='NCHW '，explants='[[{ { node ROI _ align _ mask/strided _ slice _ 17/_ 4277 } }=_ Recv[client _ terminated=false，Recv _ device='/job : localhost/replica :0/task 3:0/device : '，send _ device='/job : localhost/replica :0/task 3:0/device 33: GPU 333333
原因：
第一，因为图片尺寸是3200*4480，图片尺寸太大。
第二，我用的是TensorFlow GPU版本，但是我的GPU的视频内存只有8G，导致视频内存不足。
解决：
首先，将图片的大小更改为小于视频内存的大小。
第二，我们不使用GPU进行预测，只使用CPU进行预测，因为CPU内存一般比视频内存大。但是它安装了GPU版本的TensorFlow，所以需要在预测程序中进行更改。
该程序在前两行中添加了以下代码：
导入osos . environ[' CUDA _ VISIble _ DEVISIONS ']=' '
引号里填的是GPU的序列号，如果没有，说明没有使用GPU。
至此，“如何解决TensorFlowGPU版本中OOM错误的问题”的研究结束，希望能解决大家的疑惑。理论和实践的结合可以更好的帮助大家学习，所以赶紧试试吧！如果你想继续学习更多的相关知识，请继续关注网站，边肖会继续努力，给大家带来更多实用的文章！
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/68669.html