解决Tensorflow sess.run导致的内存溢出问题
下面是调用模型进行批量测试的代码(出现溢出)，开始以为导致溢出的原因是数据读入方式问题引起的，用了tf,PIL和cv等方式读入图片数据，发现越来越慢，内存占用飙升，调试时发现是sess.run这里出了问题（随着for循环进行速度越来越慢）。
#CreatesgraphfromsavedGraphDef
create_graph(pb_path)
#InittfSession
config=tf.ConfigProto()
config.gpu_options.allow_growth=True
sess=tf.Session(config=config)
init=tf.global_variables_initializer()
sess.run(init)
input_image_tensor=sess.graph.get_tensor_by_name("create_inputs/batch:0")
output_tensor_name=sess.graph.get_tensor_by_name("conv6/out_1:0")
forfilenameinos.listdir(image_dir):
image_path=os.path.join(image_dir,filename)
start=time.time()
image_data=cv2.imread(image_path)
image_data=cv2.resize(image_data,(w,h))
image_data_1=image_data-IMG_MEAN
input_image=np.expand_dims(image_data_1,0)
raw_output_up=tf.image.resize_bilinear(output_tensor_name,size=[h,w],align_corners=True)
raw_output_up=tf.argmax(raw_output_up,axis=3)
predict_img=sess.run(raw_output_up,feed_dict={input_image_tensor:input_image})#1，height，width
predict_img=np.squeeze(predict_img)#height，width
voc_palette=visual.make_palette(3)
masked_im=visual.vis_seg(image_data,predict_img,voc_palette)
cv2.imwrite("%s_pred.png"%(save_dir+filename.split(".")[0]),masked_im)
print(time.time()-start)
print(">>>>>>Done")
下面是解决溢出问题的代码（将部分代码放在for循环外）
#CreatesgraphfromsavedGraphDef
create_graph(pb_path)
#InittfSession
config=tf.ConfigProto()
config.gpu_options.allow_growth=True
sess=tf.Session(config=config)
init=tf.global_variables_initializer()
sess.run(init)
input_image_tensor=sess.graph.get_tensor_by_name("create_inputs/batch:0")
output_tensor_name=sess.graph.get_tensor_by_name("conv6/out_1:0")
##############################################################################################################
raw_output_up=tf.image.resize_bilinear(output_tensor_name,size=[h,w],align_corners=True)
raw_output_up=tf.argmax(raw_output_up,axis=3)
##############################################################################################################
forfilenameinos.listdir(image_dir):
image_path=os.path.join(image_dir,filename)
start=time.time()
image_data=cv2.imread(image_path)
image_data=cv2.resize(image_data,(w,h))
image_data_1=image_data-IMG_MEAN
input_image=np.expand_dims(image_data_1,0)
predict_img=sess.run(raw_output_up,feed_dict={input_image_tensor:input_image})#1，height，width
predict_img=np.squeeze(predict_img)#height，width
voc_palette=visual.make_palette(3)
masked_im=visual.vis_seg(image_data,predict_img,voc_palette)
cv2.imwrite("%s_pred.png"%(save_dir+filename.split(".")[0]),masked_im)
print(time.time()-start)
print(">>>>>>Done")
总结：
在迭代过程中,在sess.run的for循环中不要加入tensorflow一些op操作，会增加图节点，否则随着迭代的进行，tf的图会越来越大，最终导致溢出；
建议不要使用tf.gfile.FastGFile(image_path,'rb').read()读入数据（有可能会造成溢出），用opencv之类读取。
以上这篇解决Tensoflowsess.run导致的内存溢出问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。