如何降低 Tensorflow 中的 RAM 消耗？
How to lower RAM consumption in Tensorflow?
你好，
我正在尝试在我的 Nvidia Jetson Nano 上使用 DarkFlow，它是 YOLO 的 Python 实现（使用 Tensorflow 作为后端）来检测物体。我得到了所有的设置和东西，但它不想训练。我将其设置为 GPU 模式，输出中的一行内容如下：
Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 897MB memory) -> physical GPU (device: 0, name: NVIDIA Tegra X1, pci bus id: 0000:00:00.0, compute capability: 5.3)
这是它在训练 "Killed" 没有任何进一步消息之前输出的最后一行。因为它是一个重卷积神经网络，我认为原因是 RAM 过度消耗。现在我只能在我的 Jetson Nano 中使用这个 GPU，所以有人建议如何降低它或如何解决问题吗？
提前感谢您的回答！
您可以尝试将 batch_size 降低到 1 并降低 width,height 值，但不建议在 jetson nano 上进行训练。它的有限功能（4 GB 共享 RAM）阻碍了学习过程。为了克服这些限制，您可以尝试遵循 this post or this 一个来增加 swap_area ，它充当 RAM，但我仍然建议仅使用 nano 进行推理。
EDIT1：另外众所周知，Tensorflow 倾向于尝试分配所有可用的 RAM，这使得进程被 OS 杀死。要解决此问题，您可以使用 tf.GPUOptions 来限制 Tensorflow 的 RAM 使用。
示例：
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.4)
session = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
我们选择 per_process_gpu_memory_fraction 作为 0.4，因为最好不要让 Tensorflow 分配超过可用资源一半的 RAM。（也因为它是共享的）
祝你好运。
你好，
我正在尝试在我的 Nvidia Jetson Nano 上使用 DarkFlow，它是 YOLO 的 Python 实现（使用 Tensorflow 作为后端）来检测物体。我得到了所有的设置和东西，但它不想训练。我将其设置为 GPU 模式，输出中的一行内容如下：
Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 897MB memory) -> physical GPU (device: 0, name: NVIDIA Tegra X1, pci bus id: 0000:00:00.0, compute capability: 5.3)
这是它在训练 "Killed" 没有任何进一步消息之前输出的最后一行。因为它是一个重卷积神经网络，我认为原因是 RAM 过度消耗。现在我只能在我的 Jetson Nano 中使用这个 GPU，所以有人建议如何降低它或如何解决问题吗？
提前感谢您的回答！
您可以尝试将 batch_size 降低到 1 并降低 width,height 值，但不建议在 jetson nano 上进行训练。它的有限功能（4 GB 共享 RAM）阻碍了学习过程。为了克服这些限制，您可以尝试遵循 this post or this 一个来增加 swap_area ，它充当 RAM，但我仍然建议仅使用 nano 进行推理。
EDIT1：另外众所周知，Tensorflow 倾向于尝试分配所有可用的 RAM，这使得进程被 OS 杀死。要解决此问题，您可以使用 tf.GPUOptions 来限制 Tensorflow 的 RAM 使用。
示例：
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.4)
session = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
我们选择 per_process_gpu_memory_fraction 作为 0.4，因为最好不要让 Tensorflow 分配超过可用资源一半的 RAM。（也因为它是共享的）
祝你好运。