我用open_memmap函数加载我的数据，它需要5GBRAM内存。然后我编译模型，它的参数是: 89,268,608，它不占用任何RAM内存。我现在的批量是200，输入图像的形状是(300,54,3)。 我的问题是，当我在keras中调用model.fit函数时，我的内存从5 GB增加到24 GB。我的问题是
浏览 54提问于2019-01-22得票数 1
回答已采纳
多亏了this memory，我基本上能够解决tensorflow分配我不想分配的内存的问题。然而，我最近发现，尽管我将set_session与allow_growth=True一起使用，但使用model.fit仍然意味着所有的内存都被分配了，我不能再将它用于我的程序的其余部分，即使当函数退出并且由于模型是局部变量而模型不再应该有任何分配的内存时也是如此保持在0.1 4GB左右，直到我第一次运行model.f
浏览 74提问于2020-09-01得票数 4
回答已采纳
在培训我的LSTM (使用Python中的Keras库)时，验证损失不断增加，尽管它最终确实获得了更高的验证精度。这就引出了两个问题：这是我的LSTM的一个示例历史日志，它适用
浏览 0提问于2021-01-24得票数 0
我正在运行一个遗传超参数搜索算法，它可以快速地饱和所有可用的内存。
经过几次测试，看起来在不同的时期之间和在训练不同的模型时，keras所需的内存都会增加。随着小批处理规模的增加，问题变得更加严重，1~5的小批处理至少给了我足够的时间来看到内存使用量在最初的几次调整中快速上升，然后缓慢而稳定地随着时间的推移而<
浏览 1提问于2018-12-08得票数 12
回答已采纳
对于简单地渐进式加载图像和将迭代器传递给model.fit函数，Keras的ImageDataGenerator看起来很棒。然而，它似乎只适用于图像和分类任务。我想做回归，也就是说，我的标签也是与训练集相同形状的数组。实际上，它们是像图像一样的多维(>1通道)数组，但它们不是图像。关于使用哪个类来简单地将批量数据传递给keras model.fit()以训练深度神经网络，有什么建议吗？ 当然，问题是我的数据集太
浏览 18提问于2020-04-10得票数 0
回答已采纳
我使用tf.keras.preprocessing.image_dataset_from_directory()函数()加载图像，该函数返回tf.data.Dataset对象：
train_ds = tf.keras.preprocessing.image_dataset_from_directory()将在培训多个批之后使用所有内存(我正在使用Google，并且可以看到第一个时代内存使用量的增长)。然后我尝试使用Keras，这是将部分数据加载到RAM
浏览 6提问于2020-07-28得票数 1
回答已采纳
1回答
(learning_rate=0.01, momentum=0, nesterov=False)model.fit(A，但我仍然愿意接受keras作为解决方案，10^(-10)是相当小的。现在将n增加到200，d增加到300。我们得到的结果还不够接近于零，我被困住了。改变学习速度或添加迭代并不会显著改变结果。这一切为什么要发生？
我知道有个解决办法。
浏览 3提问于2021-01-29得票数 0
回答已采纳
对于我的二值分类问题(A比B)，两个类别中的每一个图像都有其各自的权重。这意味着，例如，如果我有10000张A的图像，并不是所有的图像都是同等重要的。"这一信息能否传达给Tensorflow的培训？
谢谢你的帮助。
浏览 0提问于2019-03-19得票数 2
1回答
运行在木星实验室环境下训练我的CNN在坦索弗洛： train_generator, verbose = 1,
当我运行我的算法时，我得到一个'OOM when allocating tensor with shape'。据我所知，这意味着我没有耗尽足够的GPU内存。如何与木星上的服务器连接以访问更多内存以
浏览 3提问于2020-10-25得票数 1
回答已采纳
我已经搜索了一段时间，但似乎Keras只有经过训练后才具有量化特性。我希望在我的Keras序列模型中添加Tensorflow伪量化。根据Tensorflow的doc，我需要这两个函数来做假量化: tf.contrib.quantize.create_training_graph()和tf.contrib.quantize.create_eval_graph我的问题是，是否有人在Keras模型中添加了这两个函数？如果是
浏览 2提问于2018-09-17得票数 2
回答已采纳
我目前正在尝试建立一个模型来分类某一场足球比赛的结果是否会超过或低于2.5球，基于主场，客场队和比赛联盟，使用tf.keras.Sequential模型在TensorFlow 2.0RC。我知道1000个历元极有可能会过高，然而，我想知道为什么我的准确度会增加到大约800个历元。我的损失减少了大约300个时代。我试图改变层数、每个层中的单位数、激活函数、优化器和损失函数</
浏览 0提问于2019-09-10得票数 1
2回答
Keras损失值显著跳跃
、、、、
我正在用Tensorflow在Keras开发一个简单的神经网络。损失值从上一批小批次的L-1显著上升到第一批小型的历元L。
我知道损失应该会随着迭代次数的增加而减少，但是在每个时期之后损失的大幅增加确实看起来很奇怪。另外，我在某个地方发现，计算移动平均的数组在每一个时代之后都会被重置，这就是为什么我们在一个时期内得到一个非常平滑的曲线，而在这个时代之后得到一个非常平滑的
浏览 7提问于2022-05-04得票数 0
回答已采纳
然后建立了4个层次结构相同、优化器、损失函数等相同的keras序列模型。最后，对每个模型调用fit，并绘制出[]中所示的结果度量。正如你所看到的，模型的表现都不一样，我想知道为什么？我锁定了随机种子值，所以每次运行这个脚本时，都会得到完全相同的结果。
在这个例子中，模型具有相同的结构，所以我希望度量图是相同的。最终，我想改变模型之间的层数、层大小、损耗函数等，以查
浏览 1提问于2021-01-18得票数 1
回答已采纳
如果我在不使用tf.function的情况下更改为np.save('outputs.txt', outputs.numpy())，则会显示张量对象没有tf.function属性。而且，当不使用tf.function时，第一次使用符号张量调用call()函数似乎两次，第二次调用渴望张量。 如何在call()中保存张量值？
浏览 14提问于2020-07-17得票数 0
我有一个程序，它的核心是一个二维数组，其形式是有一个简单的双for循环，有点像这样：这怎么可能呢？循环中没有条件项可以对预测进行优化，
浏览 4提问于2014-04-09得票数 5
回答已采纳
Office 2007将其提高到了最多100万行，这当然更好；但我很好奇--为什么要有限制？显然，随着电子表格大小的增加，性能会显著降低；但是，通过从一个小工作表开始并仅在需要时动态地“调整”它的大小，让Excel为此进行优化应该不是很难。考虑到将限制从65K增加到100万肯定需要做大量的工作，为什么他们不全力以赴，只受可用内存和磁盘空间大小的限制？
浏览 1提问于2009-02-09得票数 57
回答已采纳
1回答
在以下情况下，我不确定如何解释Keras的默认行为：因此，我有11个可以预测的类，而且可能不止一个是真的；因此这个问题具有多标签的性质。loss='categorical_crossentro
浏览 2提问于2017-05-25得票数 79
在运行加密货币RNN的sentdex教程脚本时，请在此处链接但是在试图训练模型时遇到了一个错误。我的tensorflow版本为2.0.0，我正在运行python3.6。当试图训练模型时，我会收到以下错误：
File "C:\python36-64\lib\site
浏览 1提问于2019-09-10得票数 57
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
