편집
1,419
번
바뀜
→WARNING:tensorflow:Layer lstm will not use cuDNN kernels since it doesn't meet the criteria. It will use a generic GPU kernel as fallback when running on GPU.
* 활성화 함수를 ReLU 대신 다른 것 사용해보기.
* 활성화 함수를 ReLU 대신 다른 것 사용해보기.
=== Allocator (GPU_0_bfc) ran out of memory trying to allocate 8.92GiB (rounded to 9574400000)requested by op CudnnRNN ===
위와 같은 에러는 저만한 용량을 욯지만, GPU에서 처리할 수 없음을 보여준다.
가장 간단한 처리는 메모리 사용을 줄이게끔 batch_size를 줄이는 것. 그러나 메모리가 충분함에도 에러를 띄우는 경우가 있는데, 이는 GPU 사용에 제한이 걸려있기 때문.
{| class="wikitable"
|+해결방법
!방법
!설명
|-
|런타임 할당에 따라 메모리 설정
|훈련 전에 다음의 코드를 넣는다.<syntaxhighlight lang="python">
config = tf.ConfigProto()
# 2버전 부터는 경로가 바뀌었기 때문에 다음과 같이 넣자. tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
# 2버전 부터는 경로가 바뀌었기 때문에 다음의 경로를 지정하자. tf.compat.v1.Session
</syntaxhighlight>텐서플로우 2부턴 경로가 바뀌었기 때문에 config에 다음과 같이 넣자.
|-
|메모리 할당 비율을 설정
|훈련 전에 다음의 코드를 넣는다.<syntaxhighlight lang="python">
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4
session = tf.Session(config=config)
</syntaxhighlight>
|}
[[분류:Keras]]
[[분류:Keras]]