我用2403张1280x720 px的图像训练CNN。这是我正在运行的代码：
from tensorflow.keras.preprocessing.image import ImageDataGenerator
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Conv2D,MaxPooling2D,Activation,Dense,Flatten,Dropout
model = keras.Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(1280,720,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(3))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
train_datagen = ImageDataGenerator(
rescale=1. / 255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
# this is the augmentation configuration we will use for testing:
# only rescaling
test_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
'/gdrive/MyDrive/shot/training',
target_size=(1280, 720),
batch_size=640,
class_mode='categorical')
history = model.fit(
train_generator,
steps_per_epoch= 2403//640,
epochs= 15,
)会话在第一个epoch之前崩溃。有什么方法可以减少RAM的使用吗？我还有其他选择吗？
2条答案
按热度按时间nr7wwzry1#
看起来你有一个很大的批处理大小，它消耗了所有的RAM。所以我建议先尝试较小的批量大小，如32或64。此外，您的图像尺寸太大，您可以在实验开始时缩小它。
xwbd5t1u2#
有多种可用的解决方案
1.订阅colab pro根据您的要求使用RAM。
1.减少批量，例如：batch_size=512，256，64，32，16，8（基于工作溶液）。
1.使用你的一小部分数据或样本，比如只训练几个样本或一大块数据，例如#将数据集分成小部分
train_data = train_data.sample（n=8000，random_state=12）.copy（）train_data = train_data.reset_index（drop=True）test_data = test_data.sample（n=2014，random_state=12）.copy（）test_data = test_data.reset_index（drop=True）
根据您的工作解决方案进行更改。
1.这一步不保证可能是工作或没有，所以请不要认真对待（一）。运行时->管理会话删除所有会话并再次打开文件，第二个步骤可能工作或不工作，但至少尝试一次（ii.）。运行时->断开连接并删除运行时，然后重新启动系统并重新加载colab页面有时RAM是分布在多个部分，所以按照这一步骤。这有时工作，有时不是它的工作，为我，这就是为什么我提到这里x1c 0d1x