0

我正在尝试将预训练模型转换为 onnx 格式。我为此目的使用tf2onnx.convert 。我运行的命令：

$ python3 -m tf2onnx.convert --saved-model models --output tf_model_op9.onnx

在执行命令时，我遇到 OOM 问题，并且进程被这样杀死：

2021-06-10 20:45:45.363569：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] 创建了 TensorFlow 设备（/job:localhost/replica:0/task:0/device:GPU:0 和 984 MB 内存）-> 物理 GPU（设备：0，名称：Xavier，pci 总线 ID：0000:00:00.0，计算能力：7.2）

2021-06-10 20:45:46,335 - 信息 - 计算 2 个常量折叠值

被杀

在检查/var/log/kern.log我得到：

6月10日21:01:36 dreamvu-desktop内核：[559821.101983]内存不足：杀死进程27888（python3）得分501或牺牲孩子

6 月 10 日 21:01:36 dreamvu-desktop 内核：[559821.102503] 杀死进程 27888 (python3) total-vm:18059264kB, anon-rss:3788464kB, file-rss:126752kB, shmem-rss:0kB

6 月 10 日 21:01:36 dreamvu-desktop 内核：[559822.232634] oom_reaper：收割进程 27888 (python3)，现在 anon-rss:0kB, file-rss:127808kB, shmem-rss:0kB

我找到的大多数解决方案是限制 batch_size（已经 1）、使用会话的 gpu 资源（已经尝试过）或更改 cpu 上的线程数或更改内存限制（即使在 tf v2.5 中也不支持）。我想我需要限制正在使用的 RAM。

我怎么做？

操作系统：ubuntu 18.04 || 内存：7.6 GiB

显卡：NVIDIA Tegra Xavier (nvgpu)/集成

处理器：ARMv8 处理器版本 0 (v8l) × 6

4

1 回答 1

0

您是否考虑过使用交换文件来提供所需的额外内存？（假设你有磁盘这样做）

作为 root 或使用 sudo，您需要：

  1. dd if=/dev/zero of=/some/path/swapfile bs=1M count=8192
  2. mkswap /some/path/swapfile
  3. 交换 /some/path/swapfile

使用 free 命令确认您有多余的内存可用作交换

于 2021-06-10T20:18:55.827 回答