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...