运行文本分类 - GPU 上的 CNN答案

【问题标题】：Running text classification - CNN on GPU运行文本分类 - GPU 上的 CNN
【发布时间】：2017-11-12 08:28:49
【问题描述】：

基于此 github 链接 https://github.com/dennybritz/cnn-text-classification-tf ，我想在 GPU 上的 Ubuntu-16.04 上对我的数据集进行分类。为了在 GPU 上运行，我已将 text_cnn.py 上的第 23 行更改为：with tf.device('/gpu:0'), tf.name_scope("embedding") ：

我的训练阶段的第一个数据集有 9000 个文档，它的大小约为 120M 和 第二个火车有 1300 个文档，它的大小约为 1M。

在我的带有 GPU 的 Titan X 服务器上运行后，我遇到了错误。

请指导我，我该如何解决这个问题？谢谢。

【问题讨论】：

标签： tensorflow deep-learning gpu text-classification tensorflow-gpu

【解决方案1】：

您遇到内存不足错误，因此首先要尝试的是较小的批量大小（默认为 64）。我会开始：

./train.py --batch_size 32

【讨论】：

我尝试了 --batch_size 32 -- ./traint.py 只工作了 100 步，然后出现错误，它被终止了。！！！！！！

【解决方案2】：

大部分内存用于保存嵌入参数和卷积参数。我建议减少：

EMBEDDING_DIM
NUM_FILTERS
BATCH_SIZE

尝试 embedding_dim=16、batch_size=16 和 num_filters=32，如果可行，将它们一次增加 2 倍。

此外，如果您使用 docker 虚拟机运行 tensorflow，尽管您的机器中有 16G 内存，但默认情况下您可能仅限使用 1G 内存。有关详细信息，请参阅here。

【讨论】：