python - 如何识别tensorflow网络运行缓慢和内存不足的原因
问题描述
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。
解决方案
推荐阅读
- docker - GitLab 管道 Docker 构建卡在 apk 上
- ios - UILabel 无法正确更新
- python - 使用 pygame 自动进行半圆形路径移动
- python - 如何在 pydantic 模型中解析 ObjectId?
- jenkins - 使用 jenkins job dsl 删除 jenkins job
- linux - 使用 at 命令安排脚本
- pyspark - 聚合在一列字符串 Pyspark
- r - 将带有 k 格式数字的因子列转换为数字而不丢失任何数据
- javascript - 防止引导表单使用“Enter”提交
- elasticsearch - 使用非规范化或连接字段对弹性搜索数据库建模