1樓:黃纓寧
1.有錢方案
換電腦啊,遊戲gpu也行啊,gtx1080ti不算貴,攢一下3k買個二手可以的
2. 沒錢方案
2.1 問室友借一下電腦,訓練的時候搞個分布式cpu小集群2.2 薅羊毛,使用谷歌的深度學習免費平台2.3 大家都有提到,batch再減小一點,不要一下子塞那麼多資料進記憶體
2.4 換mxnet試試,這個框架記憶體使用大家都贊
2樓:摸不著頭腦
你看看不訓練的時候記憶體占用多少?我記不得mnist的資料有多大了。可能會是一次放入太多訓練資料的問題,你可以單步除錯一下,看看訓練資料有多大,如果確實訓練資料太大的話,要麼分批次要麼換個大視訊記憶體的顯示卡,畢竟深度學習還是得用顯示卡
3樓:GavinZhou
說出來不怕打擊你,搞DL你CPU即使是至強16核都沒用的,你現在網路還淺,換個VGG16你試試,你就是願意等我估計你2個月都跑不出來結果
唯一的解決方法就是換塊GPU,推薦經濟型的GTX1070(8G)和高階型的GTX1080Ti(11G),你就會體驗到速度X10是什麼感覺
總結:不花錢搞不成深度學習,嗯,就是這麼殘酷
4樓:SeRa
12G記憶體能佔滿?題主是不是用了ResNet那種每一層都有旁路到後面的各層?或者各個卷積層都有幾千上萬個卷積核?全連線再加大維數?
我跑過自己做的CNN演算法,兩張K40的視訊記憶體被我用光了
CNN(卷積神經網路) RNN(迴圈神經網路) DNN(深度神經網路)的內部網路結構有什麼區別?
可可噠 寫一點個人理解吧。CNN 它是以 層 layer 為單位的,每一層的結構可以完全不一樣。常見的CNN層有卷積層 池化層 softmax層 池化層 這些基礎層之上還有諸如ResNet的遠連線,GoogLeNet的Inception層,用來實現一些特定的功能 深層網路 多尺度特徵提取等 RNN ...
深度學習卷積神經網路優點
以下內容參考了Stacked convolutional auto encoders for hierarchical feature extraction,Jonathan Masci,Ueli Meier,Dan Ciresan,and J urgen Schmidhuber,2011 In v...
如何解釋 卷積神經網路 ?
智星雲服務 卷積神經網路 Convolutional Neural Network,CNN 是一種前饋神經網路,它的人工神經元可以響應一部分覆蓋範圍內的周圍單元,1 對於大型影象處理有出色表現。卷積神經網路由乙個或多個卷積層和頂端的全連通層 對應經典的神經網路 組成,同時也包括關聯權重和池化層 po...