Keras 出现内存分配错误并且运行速度极慢

Question

我正在使用卷积神经网络进行字符识别。我有 9 层模型和 19990 个训练数据和 4470 个测试数据。但是当我在 Tensorflow 后端使用 keras 时。当我尝试训练模型时，它运行得非常慢，比如每分钟 100-200 个样本。我尝试在展平后添加批量标准化层，使用正则化，添加 dropout 层，使用 fit_generator 从磁盘批量加载数据，以便使用不同的批量大小使 ram 保持空闲（性能更差），但没有任何效果。因此，我尝试将网络大小减少到 4 层，并向初始层添加更多通道以增加并行计算，但现在我开始出现内存分配错误。它说某个地址的分配超过了 10% 并且我的整个系统都冻结了。我每次都必须重新启动我的笔记本电脑。我尝试回到具有 9 层的早期版本，但现在也给了我同样的错误，即使它更早工作（没有真正工作，但至少开始训练）。那么，这个问题的解决方案是什么？是硬件能力不足还是其他问题？我有 8gb ram 和 2gb gpu，但我不使用 gpu 进行训练。我有英特尔 i5 7gen 处理器。我的型号代码：model = Sequential()#First conv layermodel.add(Conv2D(512,(3,3),padding="same",kernel_initializer="glorot_normal",data_format="channels_last",input_shape=(278,278,1),kernel_regularizer=l1(0.04),activity_regularizer=l2(0.05)))model.add(LeakyReLU())model.add(MaxPool2D(pool_size=(2,2),padding="same",data_format="channels_last"))model.add(Dropout(0.2))#Second conv layermodel.add(Conv2D(256,(4,4),padding="same",kernel_initializer="glorot_normal",data_format="channels_last",kernel_regularizer=l1(0.02),activity_regularizer=l1(0.04)))model.add(LeakyReLU())model.add(MaxPool2D(pool_size=(2,2),strides=2,padding="same",data_format="channels_last"))model.add(Dropout(0.2))#Third conv layermodel.add(Conv2D(64,(3,3),padding="same",kernel_initializer="glorot_normal",data_format="channels_last",bias_regularizer=l1_l2(l1=0.02,l2=0.02),activity_regularizer=l2(0.04)))model.add(LeakyReLU())model.add(MaxPool2D(pool_size=(2,2),padding="same",data_format="channels_last"))我的数据加载方法：def Generator(hdf5_file,batch_size):X = HDF5Matrix(hdf5_file,"/Data/X")Y = HDF5Matrix(hdf5_file,"/Data/Y")size = X.endidx = 0while True:    last_batch = idx+batch_size >size    end = idx + batch_size if not last_batch else size    yield X[idx:end],Y[idx:end]    idx = end if not last_batch else 0

Answer 1

我遇到了问题。我在模型中有太多参数。我试着减少没有。频道，它奏效了。我想到了它，因为即使对于小数据集，我也会收到错误。

Answer 2

我认为（至少）您的问题之一是您正在将整个数据集加载到 ram 中。您的数据集（训练和验证）似乎至少为 5 GB。在您的生成器中，您将它们全部加载。因此，在您的情况下，由于 8Gb ram，它似乎在训练期间遇到了问题。