設定ファイルを調整することでこれを行うことができます。
It turns outほとんどのRAMは入力キューによって消費されます。しかし、データは超高速のtfrecordフォーマットであるため、多くのサンプルを用意する必要はありません。
SSDはFRCNN(基本的に1のバッチを使用)より高いバッチを使用できるため、使用するモデル(SSD、Faster R-CNN)に応じて、これらの設定が異なります。
設定ファイルで次の項目を特定または追加し、キュー番号を再生します。
train_config: {
# ... other settings
batch_size: 1 # this is for FRCNN
batch_queue_capacity: 10
num_batch_queue_threads: 4
prefetch_queue_capacity: 5
}
train_input_reader: {
tf_record_input_reader {
input_path: "/path/to/train.tfrecord"
}
label_map_path: "/path/to/label/map.pbtxt"
queue_capacity: 400
min_after_dequeue: 200
}
eval_input_reader: {
tf_record_input_reader {
input_path: "/path/to/eval.tfrecord"
}
label_map_path: "/path/to/label/map.pbtxt"
shuffle: true
queue_capacity: 20
min_after_dequeue: 10
num_readers: 1
}
これらおよび他の設定は、モデルのすべての設定を記述object_detection/protos
で.proto
ファイルを検査することで判明されました。
RAMが不足していると思われる理由は何ですか? (h)トップの出力をチェックしましたか? –
私はCPUとメモリのパフォーマンスを監視しており、すべてのリソースが必要です。第2に、同じ問題を提示する他のさまざまな投稿があり、すべて同じ問題を示唆しています。つまり、OOMの問題です。 –
あなたの画像がどの解像度ですか? –