問題：

在使用mask_rcnn預測自己的數據集時，會出現下面錯誤：

ResourceExhaustedError: OOM when allocating tensor with shape[1,512,1120,1120] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc [[{{node rpn_model/rpn_conv_shared/convolution}} = Conv2D[T=DT_FLOAT, data_format="NCHW", dilations=[1, 1, 1, 1], padding="SAME", strides=[1, 1, 1, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/device:GPU:0"](fpn_p2/BiasAdd, rpn_conv_shared/kernel/read)]]Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.  [[{{node roi_align_mask/strided_slice_17/_4277}} = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_3068_roi_align_mask/strided_slice_17", tensor_type=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

原因：

一是、因為圖片尺寸為3200*4480，圖片的尺寸太大。

二是、我使用的是TensorFlow GPU版，而我GPU的顯存只有8G，導致顯存不夠。

解決：

一是、將圖片尺寸改小，小到占用的內存比顯存。

二是、不使用GPU進行預測，只使用CPU預測，因為一般CPU內存要大于顯存的。但裝的又是GPU版的TensorFlow，所以需要在預測程序進行更改。

程序在前兩行加入下面代碼：

import osos.environ["CUDA_VISIBLE_DEVICES"] = ""

引號里填的是GPU的序號，不填的時候代表不使用GPU。

以上這篇解決TensorFlow GPU版出現OOM錯誤的問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。