Ich trainiere mein Netzwerk mit Keras auf Tensorflow-Backend (Keras Version 2.1), ich habe viele Dinge ausprobiert im Internet, fand aber keine Lösung.Keras: ResourceExhaustedError (siehe oben für Traceback): OOM beim Zuordnen von Tensor mit Shape [26671,32,32,64]
My Training set and labels: 26721(each image have size (32, 32,1)) , (26721, 10)
Validation set and labels: 6680(each image have size(32,32,1), (6680,10)
Dies ist mein bisheriges Modell, ich benutze Python3.
def CNN(input_, num_classes):
model = Sequential()
model.add(Convolution2D(16, kernel_size=(7, 7), border_mode='same',
input_shape=input_))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(1, 1) , border_mode='same'))
model.add(Convolution2D(64, (3, 3), padding ='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(1,1), border_mode='same'))
model.add(Flatten())
model.add(Dense(96))
model.add(Activation('relu'))
model.add(Dense(num_classes))
model.add(Activation('softmax'))
return model
model = CNN(image_size, num_classes)
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.SGD(lr=0.01),
metrics=['accuracy'])
print(model.summary())
csv_logger = CSVLogger('training.log')
early_stop = EarlyStopping('val_acc', patience=200, verbose=1)
model_checkpoint = ModelCheckpoint(model_save_path,
'val_acc', verbose=0,
save_best_only=True)
model_callbacks = [early_stop, model_checkpoint, csv_logger]
# print "len(train_dataset) ", len(train_dataset)
print("int(len(train_dataset)/batch_size) ", int(len(train_dataset)/batch_size))
K.get_session().run(tf.global_variables_initializer())
model.fit_generator(train,
steps_per_epoch=np.ceil(len(train_dataset)/batch_size),
epochs=num_epochs,
verbose=1,
validation_data=valid,
validation_steps=batch_size,
callbacks=model_callbacks)
Modell Zusammenfassung:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_1 (Conv2D) (None, 32, 32, 16) 800
_________________________________________________________________
batch_normalization_1 (Batch (None, 32, 32, 16) 64
_________________________________________________________________
activation_1 (Activation) (None, 32, 32, 16) 0
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 32, 32, 16) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 32, 32, 64) 9280
_________________________________________________________________
batch_normalization_2 (Batch (None, 32, 32, 64) 256
_________________________________________________________________
activation_2 (Activation) (None, 32, 32, 64) 0
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 32, 32, 64) 0
_________________________________________________________________
flatten_1 (Flatten) (None, 65536) 0
_________________________________________________________________
dense_1 (Dense) (None, 96) 6291552
_________________________________________________________________
activation_3 (Activation) (None, 96) 0
_________________________________________________________________
dense_2 (Dense) (None, 10) 970
_________________________________________________________________
activation_4 (Activation) (None, 10) 0
=================================================================
Total params: 6,302,922
Trainable params: 6,302,762
Non-trainable params: 160
Ich schicke Bilder nach Losgröße. Dies ist meine Generatorfunktion:
# Generate images according to batch size
def gen(dataset, labels, batch_size):
images = []
digits = []
i = 0
while True:
images.append(dataset[i])
digits.append(labels[i])
i+=1
if i == batch_size:
yield (np.array(images), np.array(digits))
images = []
digits = []
# Generate remaining images also
if i == len(dataset):
yield (np.array(images), np.array(digits))
images, digits = [], []
i = 0
train = gen(train_data, train_labels, batch_size)
valid = gen(valid_data, valid_lables, batch_size)
Fehlerprotokoll auf Terminal:
diesen Link überprüfen Sie bitte für eine vollständigen Fehler: Terminal Output
Kann jemand bitte helfen Sie mir, was ich hier falsch mache?
Vielen Dank im Voraus
Ich sende im Batch von 100 Bildern, ich habe Gen-Funktion in der Post bearbeitet, ich benutze Generator, um Bilder an das Netzwerk zu senden. – Lucky
Ihre Generatorfunktion ist fehlerhaft, da sie irgendwo einen Stapel von 26671 Bildern ergibt. Drucken Sie die Größe des Stapels bei jeder Iteration, um zu sehen, wo es schief geht. –
Danke, dass es funktioniert hat. – Lucky