怎么解決TensorFlowGPU版出現OOM錯誤的問題

這篇文章主要介紹“怎么解決TensorFlowGPU版出現OOM錯誤的問題”，在日常操作中，相信很多人在怎么解決TensorFlowGPU版出現OOM錯誤的問題問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么解決TensorFlowGPU版出現OOM錯誤的問題”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

問題：

在使用mask_rcnn預測自己的數據集時，會出現下面錯誤：

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_bfc [[{{node rpn_model/rpn_conv_shared/convolution}} = Conv2D[T=DT_FLOAT, data_format="NCHW", dilations=[1, 1, 1, 1], padding="SAME", strides=[1, 1, 1, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/device:GPU:0"](fpn_p2/BiasAdd, rpn_conv_shared/kernel/read)]]Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info. [[{{node roi_align_mask/strided_slice_17/_4277}} = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_3068_roi_align_mask/strided_slice_17", tensor_type=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

原因：

一是、因為圖片尺寸為3200*4480，圖片的尺寸太大。

二是、我使用的是TensorFlow GPU版，而我GPU的顯存只有8G，導致顯存不夠。

解決：

一是、將圖片尺寸改小，小到占用的內存比顯存。

二是、不使用GPU進行預測，只使用CPU預測，因為一般CPU內存要大于顯存的。但裝的又是GPU版的TensorFlow，所以需要在預測程序進行更改。

程序在前兩行加入下面代碼：

import osos.environ["CUDA_VISIBLE_DEVICES"] = ""

引號里填的是GPU的序號，不填的時候代表不使用GPU。

到此，關于“怎么解決TensorFlowGPU版出現OOM錯誤的問題”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！