Question

我正在处理ml项目，但是当调用model.predict（）函数时，我的TensorFlow模型“占用”了计算机的内存。

在运行下面的问题之后，程序的ram使用率将约为1 GB。

我很确定这是由模型引起的，因为del（model）分配了占用的ram。

def build_model_val():
    model=keras.models.Sequential()
    model.add(Conv2D(64, kernel_size=(5,5), activation='sigmoid', padding='same', input_shape=(tSize,tSize,1)))
    model.add(Conv2D(64, kernel_size=(5,5), activation='sigmoid', padding='valid'))
    model.add(Conv2D(64, kernel_size=(5,5), activation='sigmoid', padding='valid'))
    model.add(Conv2D(64, kernel_size=(3,3), activation='sigmoid', padding='valid'))
    model.add(Flatten())
    model.add(Dense(tSize*tSize,activation='sigmoid'))
    model.add(Dense(tSize*tSize,activation='sigmoid'))
    model.add(Dense(128,activation='sigmoid'))
    model.add(Dense(64,activation='sigmoid'))
    #model.add(BatchNormalization())
    model.add(Dense(1))
    model.add(Activation('tanh'))
    model.add(Reshape((-1,1)))

    adam=keras.optimizers.Adam(lr=.001)
    model.compile(loss=keras.losses.MeanSquaredError(),optimizer=adam)

    return model

model=build_model_val()
for i in range(1000):
    model.predict(np.random.random((1,17,17,1)))

Tensorflow.predict函数在每次调用时使用内存

0 个答案: