tensorflow错误解决：“tensorflow.python.framework.errors_impl.ResourceExhaustedError”

最新推荐文章于 2024-10-11 07:42:53 发布
最新推荐文章于 2024-10-11 07:42:53 发布
阅读量1.9w 收藏 31
点赞数 5
分类专栏： Tensorflow 深度学习 Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Muzi_Water/article/details/88390840
版权
Python 同时被 3 个专栏收录
39 篇文章 3 订阅
订阅专栏
Tensorflow
16 篇文章 0 订阅
订阅专栏
深度学习
5 篇文章 0 订阅
订阅专栏

tensorflow错误：“tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[32,256,55,55]”

解决方法：

  • 减少批处理Batch 的大小
  • 降低全连接层的维度
  • 增加池化 层
  • 缩小输入图片大小

总之呢，就是显卡内存不能满足此次训练，所以就是要降低所需内存要求。

 

Muzi_Water
关注
专栏目录
【改进中-】改正错误：tensorflow.python.framework.errors_impl.NotFoundError: FindFirstFile failed for: ...
gongdiwudu的专栏
07-15 8550
这里是用tf模块时候，最常见的错误，就是模块与当下程序所指的路径不一致。改出后做此记录。
「Tensorflow」错误tensorflow.python.framework.errors_impl.UnknownError: 2 root error(s) found.
Liiipseoroinis
09-07 2344
环境 环境：docker 系统：ubuntu 18.04 显卡：rtx 1080ti tf-v： 1.15.0 跑神经网络模型，报了标题的错误 正文 错误截图如下： 解决办法： 在入口文件的import 后加入如下代码： config = tf.compat.v1.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.6 # 0.6 sometimes works better for folks keras.backe
“tensorflow.python.framework.errors_impl.ResourceExhaustedError“错误分析
jwen_的博客
04-18 3603
‘‘tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[?]’’ 错误分析* 这是tensorflow 一个经常性错误，错误的原因在于：显卡内存不够。 解决方法就是降低显卡的使用内存，途径有以下几种措施: 1、减少Batch 的大小 2、分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把2048改成1042啥的 3、增加po
tensorflow基础学习之排错：tensorflow.python.framework.errors_impl.ResourceExhaustedError
ziyu
11-27 4184
在搭建卷积神经网络中出现了ResourceExhaustedError错误。 ResourceExhaustedError：资源耗尽错误 意思就是可以用的电脑资源不足以运算整个网络，gpu内存不够 如下图：最小需要 1482247372个字节，而我的电脑最大只可以提供：1003520000字节。 解决办法： 简化卷积神经网络，使用更加少的神经元训练，减少特征，减少卷积内核等 土豪解决办法...
Tensorflow.python.framework.errors_impl.ResourceExhaustedError：无法分配内存[操作：AddV2]
最新发布
潮易碎碎念
10-11 326
4. 使用预训练模型：如果你正在尝试运行一个大型模型，你可能需要考虑使用一些预训练模型。5. 删除不必要的张量：如果你在使用TensorFlow时使用了很多额外的张量，那么这些张量的内存可能会占用大量内存。1. 检查你的硬件配置：确认你的计算机是否有足够的内存来运行你正在运行的TensorFlow程序。如果你的内存有限，那么你不能同时运行多个大模型或者很复杂的模型。然后，我们创建了一个新的模型，只包含输入和输出张量。3. 限制模型的复杂度：如果可能，尽量简化你的模型或者减少它的复杂性。
问题tensorflow.python.framework.errors_impl.ResourceExhaustedError：OOM
Liang_xj的博客
10-13 1988
这主要是因为模型太大导致GPU显存不足或者剩余显存太小所导致的错误
tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shap
m0_46926492的博客
03-06 1780
【代码】tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shap。
tensorflow-gpu报错：tensorflow.python.framework.errors_impl.UnknownError: 2 root error(s) found
laxyer的博客
03-27 1617
tensorflow.python.framework.errors_impl.UnknownError: 2 root error(s) found. (0) Unknown: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [[{{no
tensorflow中的tensorflow.python.framework.errors_impl.NotFoundError 错误及解决方法
热门推荐
u014553172的博客
05-06 5万+
在使用tensorflow是，出现tensorflow.python.framework.errors_impl.NotFoundError错误 python extract_features.py --config_file=/model/chinese/config.json 报错如下： tensorflow.python.framework.errors_impl.NotFound...
运行SSD-TensorFlow报错：tensorflow.python.framework.errors_impl.NotFoundError：
qq_45504119的博客
05-06 1339
玩了很久的 yolo，今天下载了 SSD-TensorFlow 的代码，不过在运行的时候出现了一点问题 官方的介绍是运行：jupyter notebook notebooks/ssd_notebook.ipynb 但是在 jupyter notebook 中运行多有不便，我就将代码复制在了下面文件夹里，与 ssd_notebook.ipynb 放在了一块，可是出现报错： tensorflow.py...
tesnorlfow训练时出现：tensorflow错误：“tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM
qq_44876051的博客
07-28 670
问题描述： 利用tensorflow-gpu进行训练时，出现“tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[32,256,55,55]” 原理分析： 显卡内存不能满足此次训练，所以就是要降低所需内存要求。 解决方案： 减少批处理Batch 的大小 降低全连接层的维度 增加池化 层 缩小输入图片大小 ...
tensorflow.python.framework.errors_impl.ResourceExhaustedError: 2 root error
qq_49874815的博客
03-15 2463
显存不足，换张GPU卡跑就行了。 os.environ['CUDA_VISIBLE_DEVICES'] = '1'
报错：tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with
薰珞婷紫小亭子的博客
11-30 2203
tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[30522,768] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc [Op:TruncatedNormal] run failed 问题描述： 报错界面如下： 解决办法： tenso
''tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with sh...
weixin_34319999的博客
06-21 987
这是tensorflow 一个经常性错误，错误的原因在于：显卡内存不够。 解决方法就是降低显卡的使用内存，途径有以下几种措施: 1 减少Batch 的大小 2 分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把2048改成1042啥的 3 增加pool 层，降低整个网络的维度。 4 修改输入图片的大小 总结以下：想进一切办法降维，降低网络的维度。...
Tensorflowgpu问题解决tensorflow.python.framework.errors_impl.ResourceExhaustedError
Mars_cong的博客
04-19 1344
使用软件：Pycharm2019.3 环境配置：Python3.6、TensorFlow-gpu1.8.0、cuda9.0、cudnn7.6.0 出现错误：tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[32,32,625,750] and t...
tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with ...
吉米_王
03-24 1895
BUG详情： tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with。。。 报错原因： 显卡内存不能满足此次训练 解决思路： 要降低所需内存要求 具体解决方案： 减少批处理Batch 的大小 降低全连接层的维度 增加池化 层 缩小输入图片大小 遇到这个问题，其实我也挺无奈的，我的这台电脑还是在四维图新从事NLP工程师时买的电脑，三年多了，随着我们现在神经网
【无标题】tensorflow.python.framework.errors_impl.InvalidArgumentError: Graph execution error:Detected
m0_71314919的博客
10-19 1119
E:\机器学习\1.py:67: UserWarning: `Model.fit_generator` is deprecated and will be removed in a future version. Please use `Model.fit`, which supports generators.File "E:\机器学习\1.py", line 67, in <module>File "E:\机器学习\1.py", line 67, in <module>我想知道这个改怎么改啊？
tensorflow.python.framework.errors_impl.resourceexhaustederror: oom when all
03-29
available memory is already in use This error occurs when TensorFlow is unable to allocate enough memory to complete a computation. This can happen when the input data or the model parameters are too large to fit into the available memory. It can also happen if the computation requires more memory than the system has available. To resolve this issue, you can try the following steps: 1. Reduce the batch size: If you are using batch processing, try reducing the batch size to a smaller value. This will reduce the amount of memory required to process each batch. 2. Reduce the size of the input data: If the input data is too large, you can try reducing its size by downsampling or cropping the data. 3. Use a smaller model: If the model is too large, try using a smaller model. You can also try reducing the number of layers or the number of neurons in each layer. 4. Use a GPU with more memory: If you are using a GPU, try upgrading to a GPU with more memory. 5. Use distributed training: If you have multiple GPUs or machines available, you can try using distributed training to spread the computation across multiple devices. 6. Clear memory: You can also try clearing the memory by restarting the kernel or using the TensorFlow function `tf.reset_default_graph()`.
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值