我在TensorFlow中使用rnn.rnn帮助器实现了一个Sequence to Sequence模型。
with tf.variable_scope("rnn") as scope, tf.device("/gpu:0"):
cell = tf.nn.rnn_cell.BasicLSTMCell(4096)
lstm = tf.nn.rnn_cell.MultiRNNCell([cell] * 2)
_, cell = rnn.rnn(lstm, input_vectors, dtype=tf.float32)
tf.get_variable_scope().reuse_variables()
lstm_outputs, _ = rnn.rnn(lstm, output_vectors, initial_state=cell)
该模型在具有16 GB内存的Titan X上耗尽内存,同时为LSTM单元分配渐变:
W tensorflow/core/kernels/matmul_op.cc:158] Resource exhausted: OOM when allocating tensor with shape[8192,16384]
W tensorflow/core/common_runtime/executor.cc:1102] 0x2b42f00 Compute status: Resource exhausted: OOM when allocating tensor with shape[8192,16384]
[[Node: gradients/rnn/RNN/MultiRNNCell_1/Cell0/BasicLSTMCell/Linear/MatMul_grad/MatMul_1 = MatMul[T=DT_FLOAT, transpose_a=true, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](rnn/RNN/MultiRNNCell_1/Cell0/BasicLSTMCell/Linear/concat, gradients/rnn/RNN/MultiRNNCell_1/Cell0/BasicLSTMCell/add_grad/tuple/control_dependency)]]
如果我将输入和输出序列的长度减少到4或更少,模型就会毫无问题地运行。
这向我表明TF正在尝试同时为所有时间步骤分配渐变。有没有办法避免这种情况?
答案 0 :(得分:5)
函数tf.gradients
以及优化器的minimize
方法允许您设置名为aggregation_method
的参数。默认值为ADD_N
。该方法以这样的方式构造图形,即所有梯度需要同时计算。
还有另外两种名为tf.AggregationMethod.EXPERIMENTAL_TREE
和tf.AggregationMethod.EXPERIMENTAL_ACCUMULATE_N
的未记录方法,它们没有此要求。