我是tensorflow和python的新手,所以我确信这只是一些愚蠢的事情。但是,当我尝试使用model.fit()训练模型时,经过随机次数的训练迭代后,它会冻结。GPU使用率变为零,并且不会显示任何错误消息来指示错误所在的位置。我尝试培训的模式如下:
SizeOfInput = 50
VocabSize = 8000
EmbeddingSize = 200
model = Sequential()
model.add(Embedding(input_dim=VocabSize, output_dim=EmbeddingSize, input_length=SizeOfInput))
model.add(LSTM(256, input_shape=(SizeOfInput, EmbeddingSize), return_sequences=True))
model.add(Dropout(0.1))
model.add(LSTM(256))
model.add(Dropout(0.1))
model.add(Dense(VocabSize, activation='softmax'))
optimizer = tf.keras.optimizers.RMSprop(lr=1e-3, decay=1e-5)
model.compile(loss='categorical_crossentropy', optimizer=optimizer)
Tensorflow:2.2.0
Python:3.8
GPU:RTX2080Ti
我正在对10000个随机抽样的序列进行训练,每个历元50个整数,来自一个更大的数据集:
model.fit(x, y, batch_size=100, epochs=1)
我真的不知道问题是什么,如果你需要更多信息,请告诉我
1.首先请在Google Colab中尝试您的代码
2.尝试使用其他优化器:
3.可能有些操作在cpu中运行,有些操作在GPU中运行。 为了防止它:
3.更新最新版本的
4.测试以下各项:
相关问题 更多 >
编程相关推荐