Tflearn的alexnet运行时memoryerror错误的解决

Alexnet是由Alex Krizhevsky设计，在2012年参与了ImageNet大型视觉识别挑战。Alexnet包含8层，其中前5层convolutuon，后三层full-connected。tflearn中修改后的alexnet用于对牛津大学的17flowers的分类，具有高达99.99%的准确率。在我自己的尝试运行时，遇到了memoryerror的错误，通过谷歌搜索这个错误，在stackoverflow网站上给出了这个问题的正确解决方法。
因为Oxford Flowers 17的分类具有相当大的处理数据量，相信很多朋友都是通过安装虚拟机来提供tensorflow的运行环境。这就会导致虚拟机内存分配的不足。通过翻译这些答案知道，内存不足会造成memoryerror的错误。所以我将虚拟机的内存调整到4g以上，再次运行alexnet，就好使了。在大概12小时的训练后，训练精确率终于达到了99%以上。