最小可重复的例子在github gist中 . 问题是内存使用量过大 .
我修改了带有tensorflow的cifar10示例，使用3个向量的外积作为卷积层的权重 . 这种变化可以在part of the code中看到 .
为简单起见，我已经删除了所有参数训练操作甚至丢失计算 . 当前模型只反复计算logits（正向传递） . 未修改的代码（可以通过将 use_outerp 标志设置为 False 来执行）使用大约.4 GB RAM，而修改后的代码（使用向量的外积作为卷积权重张量）使用不成比例的高5.6 GB RAM .
知道为什么会这样吗？我对于为什么会发生这种情况的直觉是，可能每次需要转换滤波器时都会执行外部产品操作，而不是在每次前向传递中只执行一次 . 这是真的吗？有没有办法来解决这个问题？
重现步骤：
要运行默认版本的代码（内存占用空间较小）：
python train.py --use_outerp='False'
要运行修改后的代码版本（高内存占用量）：
python train.py --use_outerp='True'
操作系统：
Ubuntu 14.04
已安装的CUDA和cuDNN版本：
没有，我正在使用TF的CPU版本 .
python -c "import tensorflow; print(tensorflow.__version__)" 的输出：
0.10.0rc0
建议使用tcmalloc here没有帮助 .