Keras如何快速解决OOM超内存？-创新互联

不懂Keras 如何快速解决OOM超内存？？其实想解决这个问题也不难，下面让小编带着大家一起学习怎么去解决，希望大家阅读完这篇文章后大所收获。

如果在Keras内部多次使用同一个Model，例如在不同的数据集上训练同一个模型进而得到结果，会存在内存泄露的问题。在运行几次循环之后，就会报错OOM。

解决方法是在每个代码后面接clear_session()函数，显示的关闭TFGraph，再重启。

from keras import backend as K
K.clear_session()

补充知识：Keras多次加载模型进行测试时内存溢出的解决方法

在进行实验的过程中，保存了每个epoch的模型参数文件，需要验证每个保存的模型的效果，想到直接简单粗暴的手法，就是一个循环里加载模型并进行验证，但是导致随着加载的模型越来越多，速度越来越慢。

方法如下：在每次加载模型之前，清空模型占用的内存即可。

import tensorflow as tf
from keras import backend as K
 
K.clear_session()
tf.reset_default_graph()
‘'‘加载模型位置'‘'

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。