我有多个模型在Keras / Tensorflow中一个接一个地训练而不需要手动调用 train.py
,所以我做了:
for i in range(0, max_count):
model = get_model(i) # returns ith model
model.fit(...)
model.save(...)
它运行良好 i=0
(事实上,当单独运行时运行完美) . 问题是当第二次加载模型时,我得到 ResourceExhaustedError OOM
,所以我试着在for循环结束时释放内存
del model
keras.backend.clear_session()
tf.clear_session()
tf.reset_default_graph()
gc.collect()
没有一个单独或共同起作用 .
我进一步向上看,发现释放GPU内存的唯一方法是结束这个过程 .
也是这个keras issue
更新(2018/08/01):目前只有TensorFlow后端支持正确清理会话 . 这可以通过调用K.clear_session()来完成 . 这将从内存中删除所有内容(模型,优化器对象以及内部具有张量的任何内容) . 因此无法删除特定的陈旧模型 . 这不是Keras的错误,而是后端的限制 .
因此,显然要做的就是每次加载模型并等待它结束然后在新流程中创建另一个模型时创建一个流程,如下所示:
import multitasking
def train_model_in_new_process(model_module, kfold_object, x, y, x_test, y_test, epochs, model_file_count):
training_process = multiprocessing.Process(target=train_model, args=(x, y, x_test, y_test, epochs, model_file_count, ))
training_process.start()
training_process.join()
但后来它抛出了这个错误:
File "train.py", line 110, in train_model_in_new_process
training_process.start()
File "F:\Python\envs\tensorflow\lib\multiprocessing\process.py", line 105, in start
self._popen = self._Popen(self)
File "F:\Python\envs\tensorflow\lib\multiprocessing\context.py", line 223, in _Popen
return _default_context.get_context().Process._Popen(process_obj)
File "F:\Python\envs\tensorflow\lib\multiprocessing\context.py", line 322, in _Popen
return Popen(process_obj)
File "F:\Python\envs\tensorflow\lib\multiprocessing\popen_spawn_win32.py", line 65, in __init__
reduction.dump(process_obj, to_child)
File "F:\Python\envs\tensorflow\lib\multiprocessing\reduction.py", line 60, in dump
ForkingPickler(file, protocol).dump(obj)
TypeError: can't pickle module objects
Using TensorFlow backend.
Traceback (most recent call last):
File "<string>", line 1, in <module>
File "F:\Python\envs\tensorflow\lib\multiprocessing\spawn.py", line 105, in spawn_main
exitcode = _main(fd)
File "F:\Python\envs\tensorflow\lib\multiprocessing\spawn.py", line 115, in _main
self = reduction.pickle.load(from_parent)
EOFError: Ran out of input
我真的无法利用错误中提供的信息来查看我做错了什么 . 它显然指向 training_process.start()
行,但我可以't seem to understand what'导致问题 .
任何使用 for
循环或使用 Process
训练模型的帮助都表示赞赏 .
1 回答
显然,
Multiprocessing
不喜欢modules
或更确切地说importlib
模块 . 我正在使用importlib
从编号为.py
的文件中加载模型因此麻烦 .
我在
Process
内做了同样的事情,一切都很好:)但是,如果没有
Process
es,使用for
,我仍然找不到办法 . 如果您有答案,请在此处发布,您继续处理流程,因为我认为流程是以隔离的方式清理的,并且在完成后清除为该特定流程分配的所有内存 .