具有tensorflow的Keras抛出ResourceExhaustedError

1) 如果历元是偶数,则使用反向传播更改神经网络的权重

2) 如果历元为奇数,则仅使用 update_weights_with_custom_function() 因此,冻结网络。

下面是实现此功能的代码的简化部分(请注意 epochs=1 ):

for epoch in range(nb_epoch):

    if epoch % 2 == 0:
        model.trainable = True    # Unfreeze the model
    else:
        model.trainable = False   # Freeze the model
    model.compile(optimizer=optim, loss=gaussian_loss, metrics=['accuracy'])

    hist = model.fit(X_train, Y_train, 
             batch_size=batch_size,
             epochs=1,
             shuffle=True,
             verbose=1,
             callbacks=[tbCallBack, csv_epochs, early_stop],
             validation_data=(X_val, Y_val))

    if epoch % 2 == 1:
        update_weights_with_custom_function()

问题: 几年后,凯拉斯抛出了一个 ResourceExhaustedError 但只有tensorflow, 没有theano . 似乎是循环 compile() 正在创建模型而不发布它们。

因此,我应该怎么做?我知道 K.clear_session() see )这给了我一些问题 load_model() 在我的情况下,这不是现成的。

我也愿意采用其他方法来实现我试图实现的目标(即根据历元的奇偶性冻结神经网络模型)。

tensorflow后端的keras正在抛出一个 ResourceExhausterRor 因为我在绕圈子 编译() .