TensorFlow CPU 内存问题（分配超过系统内存的 10%）答案

【问题标题】：Tensorflow CPU memory problem (allocation exceeds 10% of system memory)TensorFlow CPU 内存问题（分配超过系统内存的 10%）
【发布时间】：2019-05-07 10:07:30
【问题描述】：

我使用 Keras/Tensorflow 在 python 中创建了一个程序。我的数据创建和培训没有任何问题。但是，当我想评估我的模型时出现以下错误：

Using TensorFlow backend.
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:4213: sparse_to_dense (from tensorflow.python.ops.sparse_ops) is deprecated and will be removed in a future version.
Instructions for updating:
Create a `tf.sparse.SparseTensor` and use `tf.sparse.to_dense` instead.
2018-12-05 19:20:44.932780: W tensorflow/core/framework/allocator.cc:122] Allocation of 3359939800 exceeds 10% of system memory.
terminate called after throwing an instance of 'std::bad_alloc'
  what():  std::bad_alloc
Abandon (core dumped)

这似乎是一个内存分配问题。我减小了模型的大小并缩小了所有参数，但没有任何改变。我不知道如何解决这个问题。

【问题讨论】：

另见：stackoverflow.com/questions/50304156/…

标签： python tensorflow memory keras cpu

【解决方案1】：

根据我的经验，此类问题的一个常见原因是我们在训练中使用了合理的批量大小，但在评估时尝试使用更大的批量大小（通常是整个数据集）。

我发现自己做这种事情是错误的：

model.fit(x_train, y_train, epochs=5, batch_size=10)
model.evaluate(x_test, y_test)

而我们确实需要这样做：

model.fit(x_train, y_train, epochs=5, batch_size=10) model.evaluate(x_test, y_test, batch_size=10)

【讨论】：