Warum benötigen die kleinen und großen geladenen neuronalen Netze die gleiche Menge an RAM?

Question

Zu Beginn habe ich ein konvolutionelles neuronales Netzwerk in Caffe Rahmen, deren Modell wog 80 MB trainiert. Obwohl ich bemerkt habe, dass es nach dem Laden in mein Projekt fast 1 GB RAM benötigt. Im Internet habe ich herausgefunden, dass jedes CNN viel Speicher braucht. Deshalb dachte ich, dass kleinere CNN mein Problem lösen würden. Ich trainierte einen anderen mit weniger Schichten darin. Am Ende wog das Modell nur 60MB, nahm aber immer noch den vorherigen 1Gb RAM-Speicher.

Bevor Sie meine Frage beantworten, bitte beachten Sie, dass:

1) Wenn ich die Menge genommen Speicher wurde gemessen wird, habe ich noch jede Zeile von meinem Projekt und das einzige, was kommentiert war das geladene Modell.

2) I die Größe des Speichers des Terminals Befehl ‚htop‘ genommen überprüft haben, unter Verwendung von (ja sie gleich sind)

P.S. Ich bin neu bei DNN, gibt es eine andere Lösung? Danke für Ihre Hilfe!

UPDATE

ich das Netz mit einer verborgenen Schicht erstellt haben (nur im Interesse des Experiments) und es in meinem Projekt geladen. Wenn ich anmerke, dass das Modell nur 160Kb wiegt und immer noch 1 GB RAM belegt, verstehe ich nicht, wie das Caffe-Modell in das Projekt geladen wird. Ich benutze die Caffe-Bibliothek und lade das Modell mit der Klasse 'Classifier'. Nochmals vielen Dank für Ihre Hilfe!

Answer 1

Offensichtlich hängt die Größe Ihres Prozesses im RAM nicht von der Größe des Netzes ab. Es muss noch etwas anderes geben. Wenn Sie interessiert sind, was genau - es gibt Speicher-Profiling-Tools, die berichten können, wo der Speicher verschwunden ist.