我有一个包含 65668 个文件的数据集。
我使用 Keras 作为 CNN,这些是我的层:
embedding_layer = Embedding(len(word_index) + 1,
EMBEDDING_DIM,
weights=[embedding_matrix],
input_length=MAX_SEQUENCE_LENGTH,
trainable=True)
sequence_input = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedded_sequences = embedding_layer(sequence_input)
x = Conv1D(128, 5, activation='relu')(embedded_sequences)
x = MaxPooling1D(5)(x)
x = Conv1D(256, 5, activation='relu')(x)
x = MaxPooling1D(5)(x)
x = Flatten()(x)
x = Dense(128, activation='relu')(x)
preds = Dense(len(labels_index), activation='softmax')(x)
第一个嵌入层在 GloVE.6B.100d 上进行训练。
拟合数据:
# fitting the data
model.fit(x_train, y_train, validation_data=(x_val, y_val),
epochs=20, batch_size=128)
The MAX_SEQUENCE_LENGTH
是 500。
我正在 GPU 上进行训练,Nvidia GeForce 940MX,
作为堆栈的一部分,我收到以下错误:
资源耗尽:在使用 shape[15318793,100] 分配张量并通过分配器 GPU_0_bfc 在 /job:localhost/replica:0/task:0/device:GPU:0 上键入 float 时出现 OOM
我尝试将批量大小减少到 16,甚至 8,但仍然遇到相同的错误。
问题可能是什么?