问题描述
详细信息：在 Ubuntu 18.04 中，我为 TF 1.15、CUDA 10.0、cuDNN 7 创建了一个 docker 映像。我有具有 8 GB 内存的 GPU GeForce RTX 207。
我从源代码构建了 TF 图像，没问题。
我想在其中运行 DeepLabv3+。根据它的documentation，我尝试运行“sh local_test.sh”，它端到端地运行网络。但是，从以下终端日志中可以看出，GPU 很快就不堪重负了—— 2021-01-22 03:16:58.511601: I tensorflow/core/common_runtime/bfc_allocator.cc:917] 1 个大小为 193462272 的块，总计 184.50MiB 2021-01-22 03:16:58.511605: I tensorflow/core/common_runtime/bfc_allocator.cc:921] 使用中块的总和：6.98GiB 2021-01-22 03:16:58.511608: I tensorflow/core/common_runtime/bfc_allocator.cc:923] total_region_allocated_bytes_: 7525505280 memory_limit_: 7525505433_10_curr_10151101015151151511511511511511511511511515133318151151815181800000000000000000000000000000000008 2021-01-22 03:16:58.511615：我 tensorflow/core/common_runtime/bfc_allocator.cc:929] 统计： 限额：7525505433 使用中：7499195136 MaxInUse：7499195136 NumAllocs：4058 最大分配大小：3400007680
2021-01-22 03:16:58.511683: W tensorflow/core/common_runtime/bfc_allocator.cc:424] *********************** ****************************************************** ****************************
2021-01-22 03:16:58.511702: W tensorflow/core/framework/op_kernel.cc:1651] OP_REQUIRES 在 conv_ops.cc:500 失败：资源耗尽：在分配形状为 [4,256,12,12] 的张量时 OOM作业：本地主机/副本：0/任务：0/设备：GPU：0 由分配器 GPU_0_bfc
信息：张量流：错误报告给协调器：
问题：我该如何解决这个问题？这是 DeepLabV3 代码中的错误吗？显然 8GB 不足以让这个网络在 PascalVOC 数据集上运行。是否有关于内存要求的指导？目前我只能访问这台机器（8GB GPU），所以网络可以在 cpu 上运行吗？如果是这样，如何？执行速度会慢一个数量级吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）