欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Keras 快速解决OOM超内存的问题

程序员文章站 2022-06-09 16:38:52
如果在keras内部多次使用同一个model,例如在不同的数据集上训练同一个模型进而得到结果,会存在内存泄露的问题。在运行几次循环之后,就会报错oom。解决方法是在每个代码后面接clear_sessi...

如果在keras内部多次使用同一个model,例如在不同的数据集上训练同一个模型进而得到结果,会存在内存泄露的问题。在运行几次循环之后,就会报错oom。

解决方法是在每个代码后面接clear_session()函数,显示的关闭tfgraph,再重启。

详情参考

from keras import backend as k
k.clear_session()

补充知识:keras多次加载模型进行测试时内存溢出的解决方法

在进行实验的过程中,保存了每个epoch的模型参数文件,需要验证每个保存的模型的效果,想到直接简单粗暴的手法,就是一个循环里加载模型并进行验证,但是导致随着加载的模型越来越多,速度越来越慢。

方法如下:在每次加载模型之前,清空模型占用的内存即可。

import tensorflow as tf
from keras import backend as k
 
k.clear_session()
tf.reset_default_graph()
‘'‘加载模型位置'‘'

更多内容信息,可以参见官网介绍

以上这篇keras 快速解决oom超内存的问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

相关标签: Keras OOM 内存