Ich schreibe dieses Stück Code, um den Speicher von weights
in Bytes genommen zu berechnen:Wie viele Bytes Speicher benötigen Gewichte?
import tensorflow as tf
import sys
n_input = 784 # MNIST data input (img shape: 28*28)
n_classes = 10 # MNIST total classes (0-9 digits)
# Weights & bias
weights = tf.Variable(tf.random_normal([n_input, n_classes]))
bias = tf.Variable(tf.random_normal([n_classes]))
model = tf.global_variables_initializer()
with tf.Session() as session:
session.run(model)
print(session.run(weights))
print(sys.getsizeof(session.run(weights)))
#31472
Das herauszufinden, die Größe des weights
zu helfen scheint nicht. Kann jemand bitte den richtigen Ansatz vorschlagen?
Danke.
Das scheint mir richtig zu sein, '784 * 10 * 4 = 31,360' (shape * 4 seit Standardtyp Float ist). Wahrscheinlich mit 112 Byte Overhead. Also gibt es 31,472 Byte. Was willst du sonst noch bekommen? – umutto