CNNモデルでより多くの層を使用するとメモリエラーが発生する

デルのコアi7-16GB RAM-4GB 960m GPUラップトップで、3D CNNを使用して肺CT画像を分類するプロジェクトに取り組んでいます。CPUバージョンのtensorflowを使用しています。画像は、numpy配列サイズ（25、50、50）として準備されます。

私のCNNモデルには、2つの変換レイヤー、2つのmaxpoolレイヤー、1つのFCレイヤー、出力レイヤーがありました。このアーキテクチャでは、約（5000〜6000）サンプルでモデルをトレーニングできました。さらにレイヤーを追加した後、モデルには6つの変換レイヤー、3つの最大プールレイヤー、FCおよび出力レイヤーがあります。私の問題は、1000個を超えるサンプルでアーキテクチャを変更した後、メモリがいっぱいになり、メモリエラーが発生することです。小さいバッチを作成しようとしましたが、毎回同じエラーが発生しました。2つの質問があります。

1. レイヤーを追加することで、モデルに必要なメモリが増えるのはなぜですか？

2. この種の問題に対処する方法はありますか？

1. より多くのレイヤーは、ネットワークのより多くのパラメーターを意味します。これは、それらのパラメーターを格納するために必要なメモリ内のより多くのスペースを意味します。

2. （コンピューターのメモリを増やす以外に）唯一の解決策は、ネットワークのサイズを小さくすることです。これに関するいくつかのポイント：まず、3D CNNは2D CNNよりもはるかに多くのスペースを必要とします。1つのアイデアは、2Dにシフトすることです。それ以外では、ほとんどのパラメーターを持つレイヤーはFCレイヤーです。これらは時々冗長です。最初にそれらのサイズを減らすことをお勧めします。

によって作られたポイントに追加 MzdR、代わりにジェネレータを使用することもできます。あなたのモデルはトレーニング中にすべての画像をメモリに保持する必要はないので、ジェネレータはうまく機能すると思います。

stackoverflowからこの質問を確認してください。あなたがメモリバーゲンをしているとき、ジェネレータはかなりクールです。ただし、これも失敗する場合は、FCレイヤーのサイズを小さくしてみてください。