ResourceExhaustedError wenn der Form [] und Typ float Keras

Question

Mein Eingang ist 299,299,3

Meine Grafikkarte ist 1070 (8 GB RAM)

Weitere Specs Zuweisung Tensor: Python 3.6, Keras 2 .xx, ​​Tensorflow-Backend (1.4), Windows 7

Selbst die Losgröße 1 funktioniert nicht.

Ich fühle mich wie meine Karte eine Partie der Größe eines handhaben sollte -

Hier ist mein Code:

def full_model(): 
    #model layers 
    input_img = Input(shape=(299, 299, 3)) 

    tower_1 = Conv2D(64, (1, 1,), padding='same', activation='relu')(input_img) 
    tower_1 = Conv2D(64, (3, 3), padding='same', activation='relu')(tower_1) 

    tower_2 = Conv2D(64, (1, 1), padding='same', activation='relu')(input_img) 
    tower_2 = Conv2D(64, (5, 5), padding='same', activation='relu')(tower_2) 

    concatenated_layer = keras.layers.concatenate([tower_1, tower_2], axis=3) 

    bottleneck = MaxPooling2D((2, 2), strides=(2, 2), padding='same')(concatenated_layer) 
    flatten = Flatten()(bottleneck) 
    dense_1 = Dense(500, activation = 'relu')(flatten) 
    predictions = Dense(12, activation = 'softmax')(dense_1) 


    model = Model(inputs= input_img, output = predictions) 
    SGD =keras.optimizers.SGD(lr=0.1, momentum=0.0, decay=0.0, nesterov=False) 
    model.compile(optimizer=SGD, 
        loss='categorical_crossentropy', 
        metrics=['accuracy']) 

    return model 




hdf5_path =r'C:\Users\Moondra\Desktop\Keras Applications\training.hdf5' 
model = full_model() 


def run_model(hdf5_path, 
       epochs = 10, 
       steps_per_epoch =8, 
       classes =12, 
       batch_size =1, model= model): 



    for i in range(epochs): 
     batches = loading_hdf5_files.load_batches(batch_size =1, 
                hdf5_path=hdf5_path , 
                classes = classes)  
     for i in range(steps_per_epoch): 
      x,y = next(batches) 
      #plt.imshow(x[0]) 
      #plt.show() 
      x = (x/255).astype('float32') 
      print(x.shape) 
      data =model.train_on_batch(x,y) 
      print('loss : {:.5}, accuracy : {:.2%}'.format(*data)) 

    return model 

Ich kann nicht einmal eine Partie der Größe eines zu handhaben zu sein scheinen.

Hier ist der letzte Teil des Fehlers:

ResourceExhaustedError (see above for traceback): OOM when allocating tensor of shape [] and type float 
    [[Node: conv2d_4/random_uniform/sub = Const[dtype=DT_FLOAT, value=Tensor<type: float shape: [] values: 0.0866025388>, _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]] 

Answer 1

Es stellt sich heraus, dass ich viel zu viele Parameter.

Nach dem Ausführen von print(model.summary()) hatte ich eine Milliarde plus Parameter.

Ich erhöhte Größe von MaxPooling und keine Probleme mehr.