我想使用mscoco数据集，使用 faster_rcnn_with resnet101 以及谷歌的物体检测来进行训练代码。 我只使用了10,000张图片进行培训。我的显卡是：GeForce 930M/PCIe/SSE2，NVIDIA驱动程序版本：384.90。这是我的GeForce的图片。
我有8GB RAM，但在tensorflow gpu中显示为1.96GB。
现在该怎么扩展我的GPU RAM？我想使用全部系统内存。
如何将tensorflow的GPU内存扩展到系统内存中？
3
- orbit
1个回答
2
您可以在CPU上进行训练，以利用机器的RAM。然而，要在GPU上运行某些东西，必须首先将其加载到GPU中。现在您可以交换内存，因为并不需要在任何步骤中使用所有结果。但是，您会付出非常长的训练时间，我建议您减少批处理大小。尽管如此，有关此过程和实现的详细信息可以在此处找到：https://medium.com/@Synced/how-to-train-a-very-large-and-deep-model-on-one-gpu-7b7edfe2d072。
- Thomas Pinetz
2
我已经在CPU上运行了。但我想在GPU上运行。为什么TensorFlow GPU只有1.96 GB？我确定你已经看到了我的系统内存（8GB）@Thomas Pinetz - orbit
GPU使用自己的内存，你拥有一块只有2GB内存的GPU。如果你想在GPU上计算数据，你需要将数据加载到GPU上，也就是GPU内存中。你应该去了解一下CUDA核函数以及如何将数据加载到GPU上，这样会更好理解。 - Thomas Pinetz
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接