在大图像尺寸上测试 FCN
Testing FCN on large image sizes
我正在 Caffe 中测试 FCN-VGG16 网络。我没有将输入图像调整为固定大小，而是每次都将网络重新整形为图像大小。我在 matcaffe 和 pycaffe 中都试过了。在这两种情况下，它似乎都能够 运行 用于小图像（例如，500x500）。但是，当我有更大尺寸的图像（例如 1920 x 1080）时，我会收到此错误 "Check failed: error == cudaSuccess (2 vs. 0) out of memory"。我 运行 在具有 12 GB 内存的 Quadro M6000 GPU 上执行此操作。任何 help/advice 将不胜感激。
我知道消息很明显，但是您确实必须减小输入大小：GPU 没有足够的板载内存来容纳您输入的所有内容。你能减少你的批量大小吗？如果不是，您真的需要整个 200 万像素吗？大多数模型在处理裁剪或缩小的图像时效果很好。作为输入处理的一部分（在 CPU 上）执行此操作，并将其参数化为任何正弦输入。
调整网络的大小会占用大量内存，尤其是如果您调整 所有 层的大小，并随输入维度进行缩放。在您提供的情况下，这将使您的内存需求增加大约 8 倍。
作为对您可以拥有的大小的检查，请在初始化网络时查看内存数据；我相信 Caffe 按层报告内存需求。
我正在 Caffe 中测试 FCN-VGG16 网络。我没有将输入图像调整为固定大小，而是每次都将网络重新整形为图像大小。我在 matcaffe 和 pycaffe 中都试过了。在这两种情况下，它似乎都能够 运行 用于小图像（例如，500x500）。但是，当我有更大尺寸的图像（例如 1920 x 1080）时，我会收到此错误 "Check failed: error == cudaSuccess (2 vs. 0) out of memory"。我 运行 在具有 12 GB 内存的 Quadro M6000 GPU 上执行此操作。任何 help/advice 将不胜感激。
我知道消息很明显，但是您确实必须减小输入大小：GPU 没有足够的板载内存来容纳您输入的所有内容。你能减少你的批量大小吗？如果不是，您真的需要整个 200 万像素吗？大多数模型在处理裁剪或缩小的图像时效果很好。作为输入处理的一部分（在 CPU 上）执行此操作，并将其参数化为任何正弦输入。
调整网络的大小会占用大量内存，尤其是如果您调整 所有 层的大小，并随输入维度进行缩放。在您提供的情况下，这将使您的内存需求增加大约 8 倍。
作为对您可以拥有的大小的检查，请在初始化网络时查看内存数据；我相信 Caffe 按层报告内存需求。