Я натренировал модель fast_rcnn_nas с моим настраиваемым набором данных (изображения с измененным размером 1280x1080). Мой графический процессор - Nvidia Quadro P5000, и я могу протестировать модель на этом компьютере. Когда я тестирую с GTX 1060, он вылетает и выдает ошибку памяти. Но когда я тестирую предварительно обученный fast_rcnn_nas, он работает нормально.
В чем разница между предварительно обученной и настраиваемой моделью? Есть ли возможность запустить модель с 1060? Или есть какие-то параметры batch_size или аналогичные, которые нужно изменить для тестирования?
Что я сделал: я ограничил свой графический процессор и обнаружил, что мне нужно минимум 8 ГБ графического процессора для тестирования моей модели.
Полная ошибка:
ResourceExhaustedError: обнаружены 2 корневые ошибки. (0) Ресурсы исчерпаны: OOM при выделении тензора с формой [500,4032,17,17] и типом float on / job: localhost / replica: 0 / task: 0 / device: GPU: 0 с помощью распределителя GPU_0_bfc [[{{ node MaxPool2D / MaxPool-0-TransposeNHWCToNCHW-LayoutOptimizer}}]] Подсказка: если вы хотите видеть список выделенных тензоров, когда происходит OOM, добавьте report_tensor_allocations_upon_oom в RunOptions для получения информации о текущем распределении.
[[SecondStagePostprocessor / BatchMultiClassNonMaxSuppression / map / while / MultiClassNonMaxSuppression / Sum / _275]] Подсказка: если вы хотите видеть список выделенных тензоров, когда происходит OOM, добавьте report_tensor_allocations_upon_oom в RunOptions для получения информации о текущем распределении.
(1) Ресурсы исчерпаны: OOM при выделении тензора с формой [500,4032,17,17] и типом float on / job: localhost / replica: 0 / task: 0 / device: GPU: 0 с помощью распределителя GPU_0_bfc [[{{ node MaxPool2D / MaxPool-0-TransposeNHWCToNCHW-LayoutOptimizer}}]] Подсказка: если вы хотите видеть список выделенных тензоров, когда происходит OOM, добавьте report_tensor_allocations_upon_oom в RunOptions для получения информации о текущем распределении.
0 успешных операций. 0 производных ошибок игнорируются.