溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
不懂Keras 如何快速解決OOM超內存？？其實想解決這個問題也不難，下面讓小編帶著大家一起學習怎么去解決，希望大家閱讀完這篇文章后大所收獲。
如果在Keras內部多次使用同一個Model，例如在不同的數據集上訓練同一個模型進而得到結果，會存在內存泄露的問題。在運行幾次循環之后，就會報錯OOM。
解決方法是在每個代碼后面接clear_session()函數，顯示的關閉TFGraph，再重啟。
from keras import backend as K
K.clear_session()
補充知識：Keras多次加載模型進行測試時內存溢出的解決方法
在進行實驗的過程中，保存了每個epoch的模型參數文件，需要驗證每個保存的模型的效果，想到直接簡單粗暴的手法，就是一個循環里加載模型并進行驗證，但是導致隨著加載的模型越來越多，速度越來越慢。
方法如下：在每次加載模型之前，清空模型占用的內存即可。
import tensorflow as tf from keras import backend as K K.clear_session() tf.reset_default_graph() ‘'‘加載模型位置'‘'
感謝你能夠認真閱讀完這篇文章，希望小編分享Keras 如何快速解決OOM超內存？內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
