资源耗尽：分配带有shape [32,128,768]的张量并在/ job：localhost /副本：0 / task：0 / device：GPU：0上键入float时，OOM

Question

几个星期后，我一直收到此错误。 我尝试了在类似问题中找到的一些建议，例如

1. 将培训和测试的批次大小减少到1
2. 减小数据大小
3. 使用kill -9 pid
4. 通过设置os.environ['CUDA_VISIBLE_DEVICES'] = '0,2'
使用多个GPU
5. 减少了LSTM模型的输出神经元数量
6. 添加gpu_options = tf.GPUOptions(allow_growth=True) session = tf.InteractiveSession(config=tf.ConfigProto(gpu_options=gpu_options))
7. 使用模型后添加del model
8. 添加k.clear_session()。我不确定我是否正确使用了这一特定工具。

它们都不起作用。

还有其他建议吗？请帮忙。 张量形状在不同的行程和不同的错误消息中发生变化，但错误消息保持不变。

我正在使用Python3.7，tensorflow-gpu == 1.14，CuDNN = 7.6.5，CUDA == 10.0。