是否有可能在convert_imageset.cpp中批量减少图像数量以解决GPU的内存不足问题？

Question

我试图在我的数据库中运行fcn。我能够通过lmdb内置函数caffe将我的图像集转换为convert_imageset。但是，一旦我想训练net，它就会给我以下错误：

Check failed: error == cudaSuccess (2 vs. 0)  out of memory
*** Check failure stack trace: ***
.....
Aborted (core dumped)

我经历了许多在线资源来解决内存故障，但大多数都建议减少批量大小。甚至，我将图像的大小减小到256x256。我还不能解决这个问题。 我通过此命令nvidia-smi检查了GPU的内存，模型为Nvidia GT 730，内存为1998 MiB。由于train_val.prototxt中的批量大小为1，因此我无法在train_val.prototxt中执行任何操作。所以我的问题是：

1. 通过查看终端中的日志文件，我意识到每当convert_imageset将数据转换为LMDB时，它就会在一个组中占用1000个图像。我是否可以将143和convert_imageset.cpp的151中的此数字更改为更小（例如2;一次拍摄两张图片），重新编译caffe，然后转换图像使用convert_imageset到lmdb？它有意义吗？
2. 如果问题1的答案是肯定的，我怎么能再次编译caffe， 我应该删除build文件夹并再次执行caffe安装 刮？
3. caffe如何处理LMDB数据？是否就像在运行convert_imagenet？
时拍摄了一批显示的1000张图像

非常感谢您的帮助。 感谢...

Answer 1

1. AFAIK，对cuda内存中每次事务（txn->Commit();）上提交给lmdb的条目数没有影响。

2. 如果您因任何原因想要重新编译caffe，只需运行make clean即可。这将清除所有内容，让您从头开始重新编译。

3. 同样，AFAIK，caffe一次访问lmdb batch_size图像，无论编写数据集时使用的事务大小大小。

对于两个 TRAIN和TEST阶段，您确定batch_size设置为1吗？