这是我在这里发布的问题的后续内容：
我使用TensorFlow在Python中构建了一个CNN模型，并在NVIDIA GRID K520图形处理器上运行。它在64x64图像上运行良好，但在128x128图像上会产生内存错误(即使输入只有1张图像)。在中，我可以看到GRID K520有8 8GB =7.45G内存。当我开始运行我的代码时，我还看到了输出：Total
浏览 11提问于2018-02-11得票数 5
有没有办法防止为MXNet分配全部的GPU内存？因此它只分配它需要的内存，而不是整个GPU内存。我想在与MXNet相同的图形处理器上使用Tensorflow/ MXNet中的另一个模型，似乎整个内存都被GPU保留了。
浏览 10提问于2019-02-21得票数 2
回答已采纳
1回答
我正在训练一个神经模型，使用keras和tensorflow作为后端。GPU (device: 0, name: GeForce GTX 1080, pci bus id: 0000:65:00.0, compute capability: 6.1) 这是否意味着训练是在gpu上执行的？我会说是，但是当我执行nvtop时，我看到所有的图形处理器内存都被使用了，而图形处理器<
浏览 26提问于2019-02-13得票数 3
我正在使用ray tune调优超参数。该模型是在tensorflow库中构建的，它占用了大部分可用GPU内存。我注意到每隔一秒的调用报告内存不足error.It看起来内存正在被释放，你可以在图形处理器内存使用率图中看到，这是两次连续调用之间的时刻，在这两次调用之间发生了OOM错误。我补充说，在
浏览 90提问于2021-01-15得票数 2
回答已采纳
我一直在尝试使用我的NVIDIA在Jupyter Notebook上使用Tensorflow运行代码。我的tensorflow代码不能在TensorFlow2.0版本上运行，所以我必须安装以前版本的Tensorflow。我安装了CUDDA9.0，tensorflow_ GPU -1.12.0和cuDNN 7，但它不工作，然后我尝试安装te
浏览 27提问于2020-03-23得票数 0
我有一个LSTM tf.keras模型，包含大约600MB的训练数据。每个训练周期大约需要90秒。我有tensorflow的最新版本，是v2.2。它在AWS g3.4xlarge实例上运行。该实例采用Nvidia的Tesla M60图形处理器，并具有8 8GB的内存供图形处理器使用。
我想做超参数调优，所以我需要加快执行速度。因此，我将模型和数据移动到一个AWSp3.2xlarge
浏览 0提问于2020-06-20得票数 0
1回答
有没有人找到了稳定访问GPU运行时的方法？并检查是否启用了GPU：tf.test.gpu_device_name()
然而，我得到了''，尽管在30次中有一次我能够连接。
浏览 1提问于2018-02-08得票数 1
1回答
现在，我在GPU上运行MTCNN(在Tensorflow上实现)进行人脸识别。 由于MTCNN使用了三种模型，PNet，RNet，ONet，以及它们之间，运行了一些步骤的NumPy。因此，我认为只有PNet、RNet和ONet模型可以在图形处理器上运行，其他NumPy步骤将在中央处理器上运行。然后，它会将输出从GPU内存复制到主内存</e
浏览 47提问于2019-02-06得票数 1
我在tensorflow上使用keras，并且我有一个回调on_epoch_end，我在其中计算一些自定义指标。我最近刚刚启用了tensorflow的图形处理器，在几个时期之后，我得到了Allocator (GPU_0_bfc) ran out of memory错误。我试图寻找一个解决方案，但这一切都是关于减少批处理大小或设置一些图形处理器管理标志，我尝试了没有成功，即使将批处理
浏览 20提问于2021-08-26得票数 0
我正在用OpenCL实现一个复杂的算法，但是我在NVidia硬件上遇到了一个问题。当我的算法被多次并行调用时，NVidia图形处理器上的内存不足，随机线程的执行可能会因MemoryAllocation错误而停止(我之前曾尝试在上解释过这一点)。我目前的解决方案是请求GPU上的可用内存，只有在有足够的内存时才允许
浏览 0提问于2017-09-27得票数 0
似乎我有一个人为的限制，使我无法使用全部的图形处理器内存，但我的config.gpu_options.per_process_gpu_memory_fraction没有设置任何限制。有没有人知道还有什么可能会阻止我使用全部内存？我将在下面解释为什么我认为我被阻止使用全部内存。
我有一个非常大的Keras模型，有一个Tensorflow</
浏览 0提问于2018-09-13得票数 0
即使在重启机器后，python3进程(系统范围的解释器)仍使用>95%的GPU内存。请注意，即使没有正在运行的训练脚本，内存消耗也会保持不变，而且我从未在系统环境中使用过keras/tensorflow，只在venv或docker容器中使用过。更新:最后一个活动是执行具有以下配置的NN测试脚本： tensorflow==1.14.0 Keras==
浏览 101提问于2019-12-17得票数 2
回答已采纳
我在Ubuntu的一个四路GTX1070上运行了这个模型，但是当我启动运行该程序的终端时，当我输入python ...py --job_name = "ps“--task_index = 0，四个GPUs子层已满，而我没有打开新的终端来运行worker，问题出在哪里？
浏览 1提问于2017-12-14得票数 0
目前，我正在用pytorch编写一个基于U-net的分割模型，我想使用类似于mobilenet v2上引入的倒置残差来提高模型在cpu上的速度。
然后我意识到模型在训练阶段和测试阶段使用了更多的内存。虽然模型应该在训练阶段使用更多的内存，因为所有的中间步骤张量(特征图)都被保存了，并且使用可分
浏览 1提问于2019-04-13得票数 0
1回答
我们正在构建一个使用TensorFlow库执行图像分类的iOS应用程序。使用我们的机器学习模型(91MB，400个类)和TensorFlow“简单”示例，我们可以在任何内存为1 1GB的iOS设备上收到内存警告。2 2GB的机型不会遇到任何警告，而小于1 2GB的机型则会完全耗尽内存并导致应用程序崩溃。
我们正在使用包含的主分支
浏览 5提问于2016-09-01得票数 1
我需要一个列表的所有组合的长度t的一些计算上的图形处理器。我使用X=itertools.combinations(range(n),t)创建了一个迭代器。我需要一次将所有的组合传递给图形处理器，所以我使用list(X)从迭代器生成所有的组合。 对于更高的n和t值，我会耗尽内存。有没有一种方法可以生成多个较小的列表，其中包含所有可
浏览 12提问于2019-06-16得票数 0
回答已采纳
由于未知的原因，下面的代码在GPU上比在CPU上慢两倍。) print(t1 - t0)注意:通常情况下，GPU运行5秒，CPU运行3秒，使用numpy的CPU版本仅运行1.5秒。硬件:运行在谷歌Colab上的Tensorflow代码。在本地英特尔酷睿i5-7267U上</e
浏览 0提问于2018-06-20得票数 5
2回答
我是深度学习的新手，我正在使用Tensorflow训练cnn进行图像识别。训练图像都是128像素* 128像素*3通道。在我的网络中，有3个卷积层，3个最大池层和1个完全连接层。我有超过18万张带标签的图像，所以我决定每批训练4000张图像。然而，训练过程甚至不能在我的笔记本电脑上运行，因为内存不足，所以我尝试使用64 it内存和2* E5 CPU的服务器来训练它。这一次，它可以工
浏览 1提问于2017-09-11得票数 0
我在COCO2014(输入图像有形状256, 256, 3)上使用tf.data.Dataset运行网络，并将tensorflow会话配置为sess = tf.Session(config=sess_config)
但是所有的GP
浏览 0提问于2019-07-06得票数 1
回答已采纳
2回答
我一直试图在我的GPU上运行我的神经网络，但由于某些原因，在创建设备时，Tensorflow不会看到全部的RAM内存，而是专注于2 2GB的空闲内存。) -> physical GPU (device: 0, name: Quadro K620, pci bus id: 0000:02:00.0, compute capability: 5.0)
图形处理器是Windows7
浏览 0提问于2018-05-25得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
