我正在将Tensorflow与GPU（与Keras结合使用）来训练CNN（与来自ResNet101的Transfer Learning）。 我的GPU是8GB的RTX 2070。但是由于某种原因，我总是收到一个内存分配错误（即使消耗低于可用内存）。这是日志：
2019-12-27 11：43：40.614258：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1433]找到设备0 具有属性：名称：GeForce RTX 2070主要：7次要：5 memoryClockRate（GHz）：1.62 pciBusID：0000：01：00.0 totalMemory：8.00GiB freeMemory：6.59GiB
2019-12-27 11：43：40.641529：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1512]添加可见 gpu设备：0
2019-12-27 11：44：04.906853：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：984]设备 将StreamExecutor与强度1边缘矩阵互连：
2019-12-27 11：44：04.911460：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：990] 0
2019-12-27 11：44：04.914264：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1003] 0：N
2019-12-27 11：44：04.945902：我 tensorflow / core / common_runtime / gpu / gpu_device.cc：1115]已创建 TensorFlow设备（/ job：localhost /副本：0 /任务：0 /设备：GPU：0与 6317 MB内存）->物理GPU（设备：0，名称：GeForce RTX 2070， pci总线ID：0000：01：00.0，计算能力：7.5）
2019-12-27 11：44：06.127068：E tensorflow / stream_executor / cuda / cuda_driver.cc：806]分配失败 设备中的6.17G（6624727296字节）：CUDA_ERROR_OUT_OF_MEMORY：内存不足
2019-12-27 11：44：06.481222：E tensorflow / stream_executor / cuda / cuda_driver.cc：806]分配失败 设备中的5.55G（5962254336字节）：CUDA_ERROR_OUT_OF_MEMORY：内存不足
2019-12-27 11：44：06.921023：E tensorflow / stream_executor / cuda / cuda_driver.cc：806]分配失败 来自设备的5.00G（5366028800字节）：CUDA_ERROR_OUT_OF_MEMORY：内存不足
2019-12-27 11：44：07.287418：E tensorflow / stream_executor / cuda / cuda_driver.cc：806]分配失败 来自设备的4.50G（4829425664字节）：CUDA_ERROR_OUT_OF_MEMORY：内存不足
即使可用内存为6.59GB，也无法分配4.5GB。发生这种情况的任何原因以及如何解决？
答案 0 :(得分：0)
尝试减小批处理大小或减小图像的大小。可能会得出不同的结果，但它会适合您的记忆。