前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >记录要跑的text to image,一步步不要太精细

记录要跑的text to image,一步步不要太精细

作者头像
水球喵子
发布2018-04-10 11:30:48
1.3K0
发布2018-04-10 11:30:48
举报
文章被收录于专栏:计算机视觉

首先,我们需要准备下载text  to image 资源,我打算跑的代码地址

要求的版本

然后查看自己的服务器cudn,tensorflow,NLTK,如图

1.tensorflow版本

python

import tensorflow as tf

tf.__version__

如果不报错并显示版本,则安装正确,否则按照安装教程这个链接自行安装。

tf.__path__

路径

直接输入上面的命令,得到这个结果

2.tensorlayer版本

tensorlayer tensorlayer安装官方推荐运行在python3上,看上图知道,这是在2.7上。最便捷安装 TensorLayer 只需要一个指令。如下

sudo pip install git+https://github.com/zsdonghao/tensorlayer.git

执行上步骤安装

1.7.3版本

3.安装NLTK

sudo pip install -U nltk 即可 

在python 的终端里面,输入:import nltk 如果不报错即表明安装成功.然后

4.下载源码

然后clone源码到自己环境里。

sudo git clone https://github.com/zsdonghao/text-to-image.git

等待完成。一秒秒就好了。

5.数据集的下载

我在python2下,有弄module tqdm的问题,所以我用这个命令:pip install tqdm 

然后执行python downloads.py下载数据集,封装了,真好呀!然而,需要访问外国网站的奥!

6.下好之后,执行data_loader.py,对数据经行处理。

python data_loader.py

7.训练模型

 python train_txt2im.py

我能说我们实验室都在跑程序吗!

胖程序出错

使用下面的命令查看使用情况

nvidia-smi

使用情况100%

…………………………

ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[64,128,64,64]

…………………………

这个错误一出现。

1.*首先得排除整个显卡上是不是有别的模型在跑?

2.如果没有,检查自己的模型逻辑有没有错误?(很多时候,即使没错也会崩……)

3.*接下来,在进行下一步尝试……

先用invidia-smi命令,看看服务器上有哪些空闲显卡(本地电脑可忽略,重新运行就是了).

对于tensorflow来说,可以用CUDA_VISIBLE_DEVICES=1(,2...) python train.py​,命令来运行程序,其中的数字1,2...代表显卡序号。如果你觉得一个显卡不够,或是想让程序跑得快,在不影响别人使用的情况下,可以多选择几块显卡。CUDA_VISIBLE_DEVICES命令是用来确定CUDA允许tensorflow发现的显卡​。如果没有,默认情况下tensorflow会利用所有能利用的资源。

对于濒临淘汰的Theano来说,运行时设置device=1(,2,3..),即可。

 4.如果还是不行,请回到第二步……不要过度自信……应引用自别人说的

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.01.22 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.tensorflow版本
  • 2.tensorlayer版本
  • 3.安装NLTK
  • 4.下载源码
  • 5.数据集的下载
    • 6.下好之后,执行data_loader.py,对数据经行处理。
      • 7.训练模型
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档