有没有一种简单的方法可以找到在tensorflow中初始化的inception-resnet-v2模型消耗的GPU内存？这包括推理和所需的后备存储器。
答案 0 :(得分：3)
您可以显式计算存储参数所需的内存，但我担心计算训练所需的所有缓冲区的大小会很困难。也许更聪明的方法是让TF为你做。将gpu_options.allow_growth config选项设置为True，并查看它消耗了多少。另一种选择是为gpu_options.per_process_gpu_memory_fraction尝试较小的值，直到它因内存不足而失败。
答案 1 :(得分：2)
由于使用gpu.options.allow_growth和gpu_options.per_process_gpu_memory_fraction进行模型大小估算目前是一种反复无常且繁琐的解决方案，因此我建议将 tf.RunMetadata() 与tensorboard。
示例：
run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
run_metadata = tf.RunMetadata()
summary, _ = sess.run(train_step, feed_dict, options=run_options, run_metadata=run_metadata)
train_writer.add_run_metadata(run_metadata, 'step%d' % i)
运行模型和张量板，导航到图表的所需部分并阅读节点统计信息。