如何在训练模型时修复内存错误？答案

【问题标题】：How to fix Memory Error while training model?如何在训练模型时修复内存错误？
【发布时间】：2022-01-05 08:51:56
【问题描述】：

我最近一直在研究神经网络，但每次我尝试编译模型时，我都会得到一个 SIGKILL，通过查看 Activity Monitor，它来自内存错误。我的数据非常大，但这不是问题的一部分，因为我尝试提取其中的一小部分，但仍然遇到相同的错误。这是我正在使用的代码：

f = gzip.GzipFile('Data_x.npy.gz', "r")
datax = np.load(f)[:5, :, :]
f.close()
f = gzip.GzipFile('Data_y.npy.gz', "r")
datay = np.load(f)[:5, :, :]

f.close()
f = None
model = Sequential(
    [
        #Conv1D(32, 3, input_shape=datax.shape, activation="relu"),
        Flatten(input_shape=datax.shape),
        Dense(750, activation='relu'),
        Dense(750, activation='relu'),
        Dense(2, activation='sigmoid')
    ]
)
model.compile(optimizer=Adam(learning_rate=0.1), loss="binary_crossentropy", metrics=['accuracy'])
model1 = model.fit(x=datax, y=datay, batch_size=5, epochs=5, shuffle=True, verbose=2)

我已经为模型尝试了许多不同的结构和不同的批量大小/时期，但我仍然收到此错误。非常感谢您对此事的任何帮助。

【问题讨论】：

嗨，Kookies，究竟是什么错误？
@FaisalShahbaz 我得到了 SIGKILL，经过进一步研究后，我要么停止了程序，要么发现使用了太多内存

标签： python tensorflow keras neural-network tensorflow2.0

【解决方案1】：

您在模型中添加 dropout 层。

Dropout 是一种在训练期间忽略随机选择的神经元的技术。他们是随机“辍学”的。这意味着它们对下游神经元激活的贡献在前向传递中被暂时移除，并且任何权重更新都不会应用于后向传递中的神经元。

model = Sequential(
    [
        #Conv1D(32, 3, input_shape=datax.shape, activation="relu"),
        Flatten(input_shape=datax.shape),
        Dense(750, activation='relu'),
        Dropout(0.2),
        Dense(750, activation='relu'),
        Dropout(0.2),
        Dense(2, activation='sigmoid')
    ]

【讨论】：