Давайте по очереди зададим ваши вопросы:
- Размер пакета - это количество изображений, на которых одновременно выполняется обучение / тестирование / проверка. Вы можете найти соответствующие параметры и их значения по умолчанию, определенные в скрипте:
parser.add_argument(
'--train_batch_size',
type=int,
default=100,
help='How many images to train on at a time.'
)
parser.add_argument(
'--test_batch_size',
type=int,
default=-1,
help="""\
How many images to test on. This test set is only used once, to evaluate
the final accuracy of the model after training completes.
A value of -1 causes the entire test set to be used, which leads to more
stable results across runs.\
"""
)
parser.add_argument(
'--validation_batch_size',
type=int,
default=100,
help="""\
How many images to use in an evaluation batch. This validation set is
used much more often than the test set, and is an early indicator of how
accurate the model is during training.
A value of -1 causes the entire validation set to be used, which leads to
more stable results across training iterations, but may be slower on large
training sets.\
"""
)
Поэтому, если вы хотите уменьшить размер пакета обучения, вы должны запустить скрипт с этим параметром среди других:
python -m retrain --train_batch_size=16
Я также рекомендую вам указать размер пакета как степень двойки (16, 32, 64, 128, ...). И это число зависит от используемого вами графического процессора. Чем меньше памяти у графического процессора, тем меньший размер пакета вам следует использовать. С 8 ГБ в графическом процессоре вы можете попробовать размер пакета 16.
- Чтобы узнать, используете ли вы графические процессоры вообще, вы можете выполнить действия, описанные в упомянутой вами документации Tensorflow - просто поставьте
tf.debugging.set_log_device_placement(True)
в качестве первого утверждения вашего скрипта.
Ведение журнала размещения устройств приводит к распечатке любых выделений тензорных модулей или операций.
person
Max Voitko
schedule
16.06.2020