python - dlib 形状检测器训练期间的 RAM 饱和

Question

我正在尝试在具有 16 GB RAM 的 Ubuntu 18.04 机器上按照本教程使用我自己的数据集重新训练 dlib 形状检测器。问题是培训没有继续进行，正如您在我的控制台输出中看到的那样：

python enhanced_training.py -tr "enhanced_labels_ibug_300W_train.xml" -m "model_6k.dat" -te "enhanced_labels_ibug_300W_test.xml" 
[INFO] setting shape predictor options...
[INFO] shape predictor options:
shape_predictor_training_options(be_verbose=1, cascade_depth=15, tree_depth=4, num_trees_per_cascade_level=500, nu=0.05, oversampling_amount=2, oversampling_translation_jitter=0.1, feature_pool_size=300, lambda_param=0.1, num_test_splits=50, feature_pool_region_padding=0, random_seed=, num_threads=4, landmark_relative_padding_mode=1)
[INFO] training shape predictor...
^C^C^C^C^C^C^C^[[3~Killed

而且我观察到，自从 PC 达到饱和（也是交换区域）以来，RAM 消耗不断增加，并且基本上减慢直到进程被终止。

训练集大小不大于 3 GB。这是python版本：

Python 2.7.17 (default, Feb 27 2021, 15:10:58) 
[GCC 7.5.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.

有人能帮我吗？提前致谢。

标签： pythonmachine-learningcrashramdlib