TensorFlow识别复杂验证码以及搭建生产环境(6)—— 训练与测试

本文介绍了在使用TensorFlow训练验证码识别模型时遇到的GPU内存不足问题,详细展示了训练过程中遇到的OOM错误及解决方案。通过降低训练参数和更换更强大的GPU来解决。最终模型达到约50%的测试准确率,为后续部署到生产环境奠定了基础。
摘要由CSDN通过智能技术生成

0x00 前言

训练是一个不断参数调优的过程,这个过程甚至比设计神经网络的过程的时间要长很多。所以你需要一块泰坦。否则训练的过程非常非常非常的漫长。目前博主还买不起泰坦,天天借别人的机器训练了。

0x01 训练

训练中的常见错误:OOM
由于在我的小机器上只有一块2G显存的750Ti,没训练两次就OOM了。

Traceback (most recent call last):
File “C:\Python35\lib\site-packages\tensorflow\python\client\session.py”, line 1139, in _do_call
return fn(*args)
File “C:\Python35\lib\site-packages\tensorflow\python\client\session.py”, line 1121, in _run_fn
status, run_metadata)
File “C:\Python35\lib\contextlib.py”, line 66, in exit
next(self.gen)
File “C:\Python35\lib\site-packages\tensorflow\python\framework\errors_impl.py”, line 466, in raise_exception_on_not_ok_status
pywrap_tensorflow.TF_GetCode(status))
ten

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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