分配带有shape [1,48,48,1024]的张量并在/ job：localhost / replica：0 / task：0 / device：GPU：0上通过分配器GPU_0_bfc

分类：编程问答

如何解决分配带有shape [1,48,48,1024]的张量并在/ job：localhost / replica：0 / task：0 / device：GPU：0上通过分配器GPU_0_bfc

我正在尝试在以下存储库中重现Mask RCNN的训练：https://github.com/maxkferg/metal-defect-detection

火车的代码段如下：

        # Training - Stage 1
        print("Training network heads")
        model.train(dataset_train,dataset_val,learning_rate=config.LEARNING_RATE,epochs=40,layers='heads')

        # Training - Stage 2
        # Finetune layers from ResNet stage 4 and up
        print("Fine tune Resnet stage 4 and up")
        model.train(dataset_train,epochs=120,layers='4+')

        # # Training - Stage 3
        # # Fine tune all layers
        print("Fine tune all layers")
        model.train(dataset_train,learning_rate=config.LEARNING_RATE / 10,epochs=160,layers='all')

第一阶段进展顺利。但是从第二阶段失败。提供以下内容：

2020-08-17 15：53：10.685456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 123块大小2048总计246.0KiB 2020-08-17 15：53：10.685456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计2816 2.8公斤 2020-08-17 15：53：10.686456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 6个块，总大小为3072 18.0公斤 2020-08-17 15：53：10.686456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 387个块，总大小为4096 1.51英里 2020-08-17 15：53：10.687456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计6144 6.0千位 2020-08-17 15：53：10.687456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小为6656，总计6.5磅 2020-08-17 15：53：10.688456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 60个块，总大小为8192 480.0公斤 2020-08-17 15：53：10.688456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 2个块，总大小为9216 18.0公斤 2020-08-17 15：53：10.689456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 12个块，总大小为12288 144.0公斤 2020-08-17 15：53：10.689456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 2个块，总大小为16384 32.0公斤 2020-08-17 15：53：10.690456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为21248 20.8磅 2020-08-17 15：53：10.691456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计24064 23.5公斤 2020-08-17 15：53：10.691456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 5个块，总大小为24576 120.0公斤 2020-08-17 15：53：10.692456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为37632 36.8公斤 2020-08-17 15：53：10.692456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计40960 40.0公斤 2020-08-17 15：53：10.693456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 4个块，总计49152 192.0公斤 2020-08-17 15：53：10.693456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 6个块，大小总计65536 384.0公斤 2020-08-17 15：53：10.694456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为81920 80.0公斤 2020-08-17 15：53：10.695456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小为90624，总计88.5公斤 2020-08-17 15：53：10.695456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为131072 128.0公斤 2020-08-17 15：53：10.695456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 3个块，总大小为147456 432.0公斤 2020-08-17 15：53：10.696456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 12个块，总计262144 3.00米 2020-08-17 15：53：10.696456：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为327680 320.0公斤 2020-08-17 15：53：10.697457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 11个块，总大小为524288 5.50英里 2020-08-17 15：53：10.697457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 4个块，总计589824 2.25米 2020-08-17 15：53：10.698457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 194个块，总大小为1048576 194.00MiB 2020-08-17 15：53：10.699457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 17个块，总大小为2097152 34.00MiB 2020-08-17 15：53：10.699457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为2211840 2.11米 2020-08-17 15：53：10.700457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 146个块，大小总计2359296 328.50MiB 2020-08-17 15：53：10.701457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计2360320 2.25米 2020-08-17 15：53：10.701457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为2621440 2.50米 2020-08-17 15：53：10.702457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计2698496 2.57米 2020-08-17 15：53：10.702457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为3670016 3.50米 2020-08-17 15：53：10.703457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 31个块，大小总计4194304 124.00MiB 2020-08-17 15：53：10.703457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 6个块，总大小为4718592 27.00MiB 2020-08-17 15：53：10.704457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 5个块，大小为8388608，总计40.00MiB 2020-08-17 15：53：10.705457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 25个块，大小为9437184，总计225.00MiB 2020-08-17 15：53：10.705457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 2个块，大小为9438208 18.00MiB 2020-08-17 15：53：10.706457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为9441280 9.00英里 2020-08-17 15：53：10.706457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，总大小为16138752 15.39MiB 2020-08-17 15：53：10.707457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小总计18874368 18.00MiB 2020-08-17 15：53：10.707457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 1个块，大小为37748736，总计36.00MiB 2020-08-17 15：53：10.708457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：680] 7个块，总大小为51380224 343.00MiB 2020-08-17 15：53：10.708457：IC：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：684]总和块：1.41GiB 2020-08-17 15：53：10.709457：I C：\ tf_jenkins \ workspace \ rel-win \ M \ windows-gpu \ PY \ 36 \ tensorflow \ core \ common_runtime \ bfc_allocator.cc：686]统计： 限制：1613615104 使用中：1510723072 最大使用量：1510723072 NumAllocs：3860 MaxAllocSize：119947776

培训在具有2GB RAM的QuadroK420上运行。仅仅是内存不足的问题，还是我缺少了什么？ 有什么办法可以训练我的装备吗？

解决方法

最有可能是RAM问题。您可以尝试将批量大小减小为1或简化网络。如果这些方法中的任何一种可行，都可以使用更大的RAM。

,

问题是视频卡的GPU内存。

在第一阶段，由于您只训练了网络的“头部”，因此您可以顺利进行训练。

在第二阶段，您开始摆脱内存不足的问题，因为您训练了更多的层，从而导致内存不足。

我建议使用至少具有8 GB VRAM的视频卡来解决计算机视觉问题。

实际上，有时可以通过减小批量大小来解决内存不足的问题，但是在您这种情况下，唯一可行的解​​决方案是选择更大/更好的视频卡。

,

有时解决此问题的一种方法是在模型中放置一个上采样层。所以在图像生成器中降低你的目标，然后添加一个上采样层。是一种欺骗它的好方法。如果有效，那么您知道 colab 无法处理它

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。

相关推荐

导入项目后报错问题
依赖报错 idea导入项目后依赖报错，解决方案：https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错：更换其他版本 无法下载依赖可参考：https://blog.csdn.net/weixin_42628809/a
idea不能识别yaml文件
使用mybatis plus常见错误
错误1：代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
gradle常见问题与错误
错误1：gradle项目控制台输出为乱码 # 解决方案：https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
Mybatis Plus传入参数0不起作用
错误还原：在查询的过程中，传入的workType为0时，该条件不起作用 <select id="xxx"> SELECT di.id, di.name, di.work_type, di.updated... <where> <if test=&qu
linux中make编译源码包失败
报错如下，gcc版本太低 ^ server.c:5346:31: 错误：‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
微服务启动错误：Command line is too long. Shorten command line for
解决方案1 1、改项目中.idea/workspace.xml配置文件，增加dynamic.classpath参数 2、搜索PropertiesComponent，添加如下 <property name="dynamic.classpath" value="tru
vue常见错误
删除根组件app.vue中的默认代码后报错：Module Error (from ./node_modules/eslint-loader/index.js): 解决方案：关闭ESlint代码检测，在项目根目录创建vue.config.js，在文件中添加 module.exports = { lin
spark常见错误
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
matplotlib报错：AttributeError: module 'backend_interagg' has no attribute 'FigureCanvas'. Did you mean: 'FigureCanvasAgg'?
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
gitlab登录失败，报错：This challenge page was accidentally cached by an intermediary and is no longer available.
设置时间 控制面板
后端开发常见错误
错误1：Request method ‘DELETE‘ not supported 错误还原：controller层有一个接口，访问该接口时报错：Request method ‘DELETE‘ not supported 错误原因：没有接收到前端传入的参数，修改为如下 参考 错误2：cannot r
docker常见错误
错误1：启动docker镜像时报错：Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法：重启docker -> systemctl r
idea常见错误
错误1：private field ‘xxx‘ is never assigned 按Altʾnter快捷键，选择第2项 参考：https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2：启动时报错，不能找到主启动类 #
pip安装依赖失败
报错如下，通过源不能下载，最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
maven常见错误
错误1：maven打包报错 错误还原：使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
cloud项目中常见错误
错误1：服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
springboot常见错误
错误1：运行项目后报如下错误 解决方案 报错2：Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案：在pom.
springmvc拦截器中使用redisTemplate报空指针异常
参考 错误原因 过滤器或拦截器在生效时，redisTemplate还没有注入 解决方案：在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
vite报错：npm ERR! command C:WINDOWSsystem32cmd.exe /d /s /c C:UsersychenAppDataLocalTempnpx-dde1c848.cmd
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot