我试图让这个git rep中的代码工作：https://github.com/cvikasreddy/skt 训练数据是7mb文本文件。 我有一个内存为1GB的Nvidia GTX 750ti。当我尝试在这台机器上训练时，训练师因内存不足而崩溃（模型大小为2.5gb，根据错误信息）。当然我明白这些不适合1GB的图形内存。 默认设置为：
num_layers = 3 # Number of layers of RNN
num_hidden = 128 # Hidden size of RNN cell
batch_size = 128 # Number of sentences in a batch
seq_length = 35 # Length of sequence
我已经尝试将它们更改为：
num_layers = 3 # Number of layers of RNN
num_hidden = 128 # Hidden size of RNN cell
batch_size = 1 # Number of sentences in a batch
seq_length = 35 # Length of sequence
我也试过改变seq_length，但这也行不通。你有什么建议来解决这个问题？当然，购买更大的图形单元会起作用。但我想知道代码本身是否可以做任何事情。也许拆分输入数据？计算机本身有16GB的RAM，应该没问题。
答案 0 :(得分：1)
您可以通过添加
来运行CPU上的所有内容with tf.device('/cpu:0'):
以及图表定义之前的正确缩进。它会变慢，但你应该有足够的内存。您也可以将大多数操作放在CPU上，并选择一些放在GPU上。您将为here找到一些帮助。
您还可以缩小网络规模（num_hidden和num_layers），但您的效果会降低。如果RNN操作是以64位完成的，也许你可以改为32位，我不知道它是否可能。