python - 如何识别tensorflow网络运行缓慢和内存不足的原因

Question

我正在研究多分支网络与非分支网络，我以 UNET 为例。输入是尺寸为（256,256,3）的正常图像，输出是与尺寸（256,256,9）连接在一起的一组图像。

在我的实验中，我使用了带有单个 conv 层的传统 UNET，网络运行良好。

由于网络会输出一组图像，因此我为每个图像使用了多个网络分支：其中一个网络如下所示：https ://i.stack.imgur.com/RNsIw.png

我调整了卷积层和 FC(dense) 层的维度，使所有网络都具有相似的可训练参数（以确保模型的相似复杂度级别）。但是，分支版本的速度比原来慢很多。此外，它拥有的分支越多，它的计算速度就越慢。我想知道我应该查看哪个部分来找出导致分支网络运行缓慢的原因。

其次，对于某些分支版本，tensorflow 警告我内存不足。我想知道究竟是什么决定了 tensorflow 所需的内存量。

所有网络都使用相同的数据加载器和损失函数。

谢谢您的帮助。

标签： pythontensorflowkerasconv-neural-network