Tensorflow CPU内存问题（分配超过系统内存的10％）

Question

我使用Keras/Tensorflow在python中创建了一个程序。对于我的数据的创建和训练，我没有任何问题。然而，当我想要评估我的模型时，出现了以下错误：

Using TensorFlow backend.
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:4213: sparse_to_dense (from tensorflow.python.ops.sparse_ops) is deprecated and will be removed in a future version.
Instructions for updating:
Create a `tf.sparse.SparseTensor` and use `tf.sparse.to_dense` instead.
2018-12-05 19:20:44.932780: W tensorflow/core/framework/allocator.cc:122] Allocation of 3359939800 exceeds 10% of system memory.
terminate called after throwing an instance of 'std::bad_alloc'
  what():  std::bad_alloc
Abandon (core dumped)

看起来是一个内存分配问题。虽然我减小了模型的大小并缩小了所有参数，但仍然没有改变。我不知道如何解决这个问题。

- Juan

---

请参考以下链接：https://dev59.com/P1UL5IYBdhLWcg3weH4j - Framester

Answer 1

根据我的经验，这种问题的常见原因是我们在训练时使用了合理的批量大小，但在评估时尝试使用更大的批量大小（通常是整个数据集）。

我发现自己会犯这种错误：

model.fit(x_train, y_train, epochs=5, batch_size=10)
model.evaluate(x_test, y_test)

我们实际上需要这样做：

model.fit(x_train, y_train, epochs=5, batch_size=10)
model.evaluate(x_test, y_test, 批量大小=10)

- Stewart_R