我有以下代码需要 3GB 物理 RAM 和 144GB 虚拟 RAM:
model = Sequential()
model.add(Input(shape=(input_shape,)))
model.add(Dense(50, activation='relu', kernel_initializer='he_normal'))
model.add(Dropout(0.1))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=[AUC(curve='PR',
name='auc')])
es = EarlyStopping(monitor='val_auc', patience=10, mode='max', verbose=1)
history = model.fit(X_train, y_train, batch_size=50, verbose=0,
validation_split=0.2, callbacks=[es], epochs=500)
eval_auc = max(history.history['val_auc'])
ix=np.argmax(history.history['val_auc'])
print("Number of interations: ", ix)
print(eval_auc)
X_train 的形状为 (44,000, 1,233),其数据类型为np.int8
. 它需要 52MB 的内存空间。我正在使用张量流 V2.2。为什么要占用这么多空间?我应该怎么做才能减少内存使用?