我正在尝试使用具有GPU的远程服务器上的具有张量流后端的Keras来训练我的深度学习代码。但是，即使是GPU服务器也会声明OOM。
这是输出：
2018-02-09 14：19：28.918619：I tensorflow / core / common_runtime / bfc_allocator.cc：685]统计数据： 限制：10658837300 In Inse：10314885120 MaxInUse：10349312000 NumAllocs：8762 MaxAllocSize：1416551936
2018-02-09 14：19：28.918672：W tensorflow / core / common_runtime / bfc_allocator.cc：277] ************ __ ********** ************************************************** ******************** xxxxxx 2018-02-09 14：19：28.918745：W tensorflow / core / framework / op_kernel.cc：1182]资源耗尽：OOM何时分配形状张量[13772,13772]并键入float 2018-02-09 14：19：29.294784：E tensorflow / core / common_runtime / executor.cc：643] Executor无法创建内核。资源耗尽：OOM在分配形状张量[13772,13772]并输入float [[Node：training_4 / RMSprop / zeros = Constdtype = DT_FLOAT，value = Tensor，_device =“/ job：localhost / replica：0 / task：0 /设备：GPU：0" ]]
有没有办法解决这个问题？我尝试调整批量大小，它最初在批量大小为100时工作但是当我将其减少到50时，它显示了这个错误。之后，我尝试批量100，但它再次显示同样的错误。
我试图在运行评估时搜索如何暂停训练二进制文件，但没有得到太多。
非常感谢您对此的帮助！谢谢!!
答案 0 :(得分：0)
您可以尝试改用model.fit_generator。