如何解决在训练模型继续的同时,Spark内存使用量不断增加
我正在使用 TensorFlowOnSpark 和可容纳在我的Spark集群的内存中的图像数据集训练一个 U-Net 模型,该集群具有3个工作节点(每个节点是拥有11 GB内存的Ubuntu20)。每个节点有1个执行程序和4个CPU,配备9 GB内存。
当模型训练过程开始时,我可以看到每个执行器上至少有2GB的可用空间,但是训练的批次越多,执行器使用的内存就越多,直到整个工作失败,因为内存不足错误。
我在单节点配置(1个带有Spark的工作程序)中尝试了我的代码,并得到了相同的结果,但是当在没有Spark的1个CPU上使用 Distributed TensorFlow 时,我的代码工作正常!
使用的命令:
spark-submit --master spark://master:7077 --conf spark.dynamicAllocation.enabled=false --conf spark.cores.max=12 --conf spark.executor.memory=8g --conf spark.executor.memoryOverhead=8192 --conf spark.memory.storageFraction=0.1 u_net_train.py --cluster_size 3
为什么如此之高的内存使用率会发生以及如何解决?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。