在 keras 中调用 to_categorical 时出现 MemoryError

Question

我尝试运行语言建模程序。当我使用文档中包含 15000 句的数据序列时，程序运行正常。但是，当我尝试用更大的数据（大 10 倍）更改数据时，遇到如下错误：

Traceback (most recent call last):

  File "<ipython-input-2-aa5ef9098286>", line 1, in <module>
    runfile('C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm/platolm.py', wdir='C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm')

  File "C:\Users\cerdas\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 705, in runfile
    execfile(filename, namespace)

  File "C:\Users\cerdas\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 102, in execfile
    exec(compile(f.read(), filename, 'exec'), namespace)

  File "C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm/platolm.py", line 35, in <module>
    y = to_categorical(y, num_classes=vocab_size)

  File "C:\Users\cerdas\Anaconda3\lib\site-packages\keras\utils\np_utils.py", line 30, in to_categorical
    categorical = np.zeros((n, num_classes), dtype=np.float32)

MemoryError

这是可疑的错误代码行：

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

还有np.utils

categorical = np.zeros((n, num_classes), dtype=np.float64)

我试图搜索类似问题的解决方案，我发现我必须将categorical_crossentropy 更改为sparse_categorical_crossentropy。我已经这样做了，但是使用相同的回溯仍然是错误的。

谢谢

Answer 1

我认为这个错误是意料之中的。这里真正的问题是您没有足够的空间来分配 1) 决策层的参数矩阵和/或 2) 中间张量。

参数矩阵的形状为input_feat_dim x output_num_classes。可以看到，这个矩阵在词汇量很大的时候会消耗大量的内存。 为了训练一个网络，我们还需要为 BP 保留中间张量，它会更大——batch_size x input_feat_dim x output_num_classes。

因此，您可以快速尝试的一件事是将您的 batch_size 减少到 1/10。当然，您不能将批量大小设置得太小。在这种情况下，您可能希望累积梯度，直到看到足够的样本。

Answer 2

如果您切换到稀疏分类交叉熵损失，那么您不需要to_categorical 调用，这实际上是给出错误的那个。稀疏分类交叉熵应该适用于此。