python - sess.run 动态增加内存使用量

Question

我尝试通过以下代码来训练我的模型。

sess.run([train_op, model.global_step, model.loss, model.prediction], feed_dict)

但是，当我运行“model.prediction”时，我发现内存使用量动态增加。

我从不在迭代过程中保留“sess.run()”的结果。

“模型.预测”是

@property
def prediction(self):
    return [tf.argmax(self.logits_b, 1),
            tf.argmax(self.logits_m, 1),
            tf.argmax(self.logits_s, 1),
            tf.argmax(self.logits_d, 1)]

我不知道为什么会这样。 请帮助我。

Answer 1

每次使用属性预测时，您都会在图中创建新的操作。您应该只预先创建一次操作并将它们返回到属性中:

def create_model(self):
    # Hypothetical function that creates the model, only called once
    # ...
    self._prediction = (tf.argmax(self.logits_b, 1),
                        tf.argmax(self.logits_m, 1),
                        tf.argmax(self.logits_s, 1),
                        tf.argmax(self.logits_d, 1))
    # ...

@property
def prediction(self):
    return self._prediction