GPU即使在读取小数据时也会出现内存不足？使用“Quadro m1000m 4GB GPU”答案

【问题标题】：GPUs out of memory even in reading small data? Using "Quadro m1000m 4GB GPU"GPU即使在读取小数据时也会出现内存不足？使用“Quadro m1000m 4GB GPU”
【发布时间】：2018-07-18 14:29:06
【问题描述】：

Resource exhausted: OOM when allocating tensor with shape[256,128,3,3] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc

在这里，我尝试使用 vgg 来学习使用 Fast.ai 课程的深度学习概念。当我尝试读取 4 张图像的小数据时，它也会显示上述空间中给出的错误。这是我正在使用的 vgg16 文件的链接： https://github.com/fastai/courses/blob/master/deeplearning1/nbs/vgg16.py

我在下面代码中的路径是示例数据的路径，其中仅包含 4-5 张图像。

path = "data/dogscats/sample/"

import vgg16
from vgg16 import Vgg16

batch_size = 4
vgg = Vgg16()
# Grab a few images at a time for training and validation.
# NB: They must be in subdirectories named based on their category
#batches = vgg.get_batches(path+'train', batch_size=batch_size)
val_batches = vgg.get_batches(path+'valid', batch_size=batch_size*2)
vgg.finetune(batches)
vgg.fit(batches, val_batches, nb_epoch=1)

【问题讨论】：

您应该补充说您使用的是“Quadro m1000m 4GB GPU”
对不起@MartinThoma 那么现在如何解决这个问题。
尝试在 CPU 上执行。发生什么了？您收到哪个错误消息？（请将此添加到问题中！）

标签： python-3.x tensorflow deep-learning gpu theano

【解决方案1】：

我解决了这个问题。实际上 Tensowflow 版本需要大量内存，所以我将 Keras 后端更改为 Theano，这解决了这个问题，我猜这里与 VGG 无关。切换可以在keras.json文件中的.keras文件夹中进行，后端改成theano即可。

【讨论】：