我正在使用带有Tensorflow后端的Keras。 由于内存使用率高，我面临批量限制
我的数据由4个1D信号组成，每个信道的样本大小为801。全球样本量为3204
输入数据： 4个长度为7003的N 1D信号通道 通过在1D信号上应用滑动窗口生成的输入 给出输入数据形状（N * 6203,801,4）
N是用于构建一个批次的信号数
My Model:
Input 801 x 4
Conv2D 5 x 1, 20 channels
MaxPooling 2 x 1
Conv2D 5 x 1, 20 channels
MaxPooling 2 x 1
Conv2D 5 x 1, 20 channels
MaxPooling 2 x 1
Conv2D 5 x 1, 20 channels
Flatten
Dense 2000
Dense 5
With my GPU (Quadro K6000, 12189 MiB) i can fit only N=2 without warning
With N=3 I get a ran out of memory warning
With N=4 I get a ran out of memory error
听起来像batch_size受到所有张量使用的空间的限制。
Input 801 x 4 x 1
Conv 797 x 4 x 20
MaxPooling 398 x 4 x 20
Conv 394 x 4 x 20
MaxPooling 197 x 4 x 20
Conv 193 x 4 x 20
MaxPooling 96 x 4 x 20
Conv 92 x 4 x 20
Dense 2000
Dense 5
具有4个通道的7001的1D信号 - ＆gt; 6201个样本
Total = N*4224 MiB.
N=2 -> 8448 MiB fit in GPU
N=3 -> 12672 MiB work but warning: failed to allocate 1.10 GiB then 3.00 GiB
N=4 -> 16896 MiB fail, only one message: failed to allocate 5.89 GiB
它是那样的吗？有没有办法减少内存使用量？ 给出一个时间估计：34个批次在40s运行，我得到N total = 10 ^ 6
感谢您的帮助：）
python2.7示例：https://drive.google.com/open?id=1N7K_bxblC97FejozL4g7J_rl6-b9ScCn