- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用对象检测模块对图像进行分类。我的规范如下:
我正在研究 Windows virtualenv 和 google-colab。这是我收到的错误消息:
python3 legacy/train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/ssd_mobilenet_v1_pets.config
INFO:tensorflow:global step 1: loss = 18.5013 (48.934 sec/step)
INFO:tensorflow:Finished training! Saving model to disk.
/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/summary/writer/writer.py:386: UserWarning: Attempting to use a closed FileWriter. The operation will be a noop unless the FileWriter is explicitly reopened.
warnings.warn("Attempting to use a closed FileWriter. "
Traceback (most recent call last):
File "legacy/train.py", line 184, in <module>
tf.app.run()
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/platform/app.py", line 125, in run
_sys.exit(main(argv))
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/util/deprecation.py", line 324, in new_func
return func(*args, **kwargs)
File "legacy/train.py", line 180, in main
graph_hook_fn=graph_rewriter_fn)
File "/home/priyank/venv/models-master/research/object_detection/legacy/trainer.py", line 416, in train
saver=saver)
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/contrib/slim/python/slim/learning.py", line 785, in train
ignore_live_threads=ignore_live_threads)
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/training/supervisor.py", line 832, in stop
ignore_live_threads=ignore_live_threads)
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/training/coordinator.py", line 389, in join
six.reraise(*self._exc_info_to_raise)
File "/home/priyank/venv/lib/python3.6/site-packages/six.py", line 693, in reraise
raise value
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/training/queue_runner_impl.py", line 257, in _run
enqueue_callable()
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1257, in _single_operation_run
self._call_tf_sessionrun(None, {}, [], target_list, None)
File "/home/priyank/venv/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1407, in _call_tf_sessionrun
run_metadata)
<b>tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[15,1,1755,2777,3] and type float on /job:localhost/replica:0/task:0/device:CPU:0 by allocator cpu
[[{{node batch}}]]
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.</b>
最佳答案
您可以尝试以下修复:
1. 如果您使用非常高的图像分辨率,请减小图像尺寸
2.尝试减小批量大小
3.检查是否有其他进程占用了你的内存
能否分享一下你的配置文件
关于tensorflow.python.framework.errors_impl.ResourceExhaustedError,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55481140/
我正在为 NLP 创建一个神经网络,从嵌入层开始(使用预先训练的嵌入)。但是当我在 Keras(Tensorflow 后端)中声明 Embedding 层时,出现 ResourceExhaustedE
总结和测试用例 核心问题是 Tensorflow 在不是第一个批处理上抛出 OOM 分配,正如我所期望的那样。因此,我认为存在内存泄漏,因为在每批处理后显然没有释放所有内存。 num_units: 5
我正在使用对象检测模块对图像进行分类。我的规范如下: 操作系统:Ubuntu 18.04 LTS python :3.6.7 虚拟环境:版本:16.4.3 virtualenv 中的 Pip3 版本:
Keras 在训练卷积自动编码器时抛出 ResourceExhaustedError。我正在运行 Tensorflow 后端。该计算机配有 11 Gb 内存的 Nvidia Tesla 和 6 Gb
我正在尝试微调 Vgg16模型使用 colaboratory但是我在用 GPU 训练时遇到了这个错误。 OOM when allocating tensor of shape [7,7,512,409
我在 google colab 上使用 roberta 来解决推文情绪提取问题的问答模型。 但模型无法训练,因为我收到 Resourceexhaustederror; 查看完整错误: Resource
我想制作一个具有多个输入的模型。所以,我尝试建立一个这样的模型。 # define two sets of inputs inputA = Input(shape=(32,64,1)) inputB
我正在使用预置向量来创建这样的嵌入 import numpy import gensim import tensorflow ft_model=gensim.models.KeyedVectors.l
我正在尝试使用 tensorflow 实现跳过思想模型,当前版本已放置 here . 目前我使用我机器的一个 GPU(总共 2 个 GPU)并且 GPU 信息是 2017-09-06 11:29:32
我的输入是299,299,3 我的显卡是 1070(8 GB 内存) 其他规范:Python 3.6、Keras 2.xx、Tensorflow-backend(1.4)、Windows 7 即使批量
所以我试图用多个数据集来污染我的 CNN 并且当我添加足够的数据时(例如当我将多个集合作为一个集合添加或当我尝试添加具有超过一百万个样本的集合时)它会接缝抛出一个 ResourceExhaustedE
我正在tensorflow后端(Keras版本2.1)上使用Keras训练我的网络,我尝试了互联网上的许多可用方法,但没有找到任何解决方案。 My Training set and labels: 2
我是一名优秀的程序员,十分优秀!