如何知道GPU内存需要训练检测器时网络更快R-CNN吗?

21日视图(30天)

显示旧的评论

jingxue陈 2020年7月9日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/562304-how-to-know-the-gpu-memory-needed-when-training-a-detector-network-like-faster-r-cnn

评论道: Mahesh Taparia 2020年7月17日

答:接受 Mahesh Taparia

我有一个GPU只有6克总内存。培训快R-CNN检测器时,虽然我有设置输入大小224 * 224 * 3,miniBatchSize只能设置为2。如果我miniBatchSize设置为4或8或更大,有错误的内存设备和设备上的数据已不复存在。现在我想买一个新的gpu支持我和miniBatchSize火车192金宝app0 * 1080图片将于64年或128年。但我不知道如何计算所需内存和其他paraneters GPU。所以我怎么能决定选择GPU吗?

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

Mahesh Taparia 2020年7月14日

0
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/562304-how-to-know-the-gpu-memory-needed-when-training-a-detector-network-like-faster-r-cnn answer_465524

嗨

我认为6 gb GPU是足够的为您的代码。检查代码是否运行在CPU / GPU。在GPU上运行代码,设置 ExecutionEnvironment 来 “图形” 如果您正在使用 trainingOptions 和 trainNetwork 函数进行训练。您可以参考这个文档的。定制培训循环,您需要将数组转换成gpuArray。有关更多信息,请参考这个文档 gpuArray。

2的评论
显示1年长的评论藏1年长的评论

jingxue陈 2020年7月15日

编辑:jingxue陈 2020年7月15日

                                  inputSize = (224 224 3);
                                 
                                  preprocessedTrainingData =变换(trainingData @(数据)preprocessData(数据、inputSize));
                                 
                                  numAnchors = 5;
                                 
                                  [anchorBoxes, meanIoU] = estimateAnchorBoxes (preprocessedTrainingData numAnchors)
                                 
                                  featureExtractionNetwork = resnet50;
                                 
                                  featureLayer =“activation_40_relu”;
                                 
                                  numClasses =宽度(vehicleDataseti) 1;
                                 
                                  lgraph = fasterRCNNLayers (inputSize numClasses、anchorBoxes featureExtractionNetwork, featureLayer);
                                 
                                  %数据增加
                                 
                                  augmentedTrainingData =变换(trainingData @augmentData);
                                 
                                  augmentedData =细胞(4,1);
                                 
                                  为k = 1:4
                                 
                                  data =阅读(augmentedTrainingData);
                                 
                                  augmentedData {k} = insertObjectAnnotation(数据{1},“矩形”数据,数据{2},{3});
                                 
                                  重置(augmentedTrainingData);
                                 
                                  结束
                                 
                                  图
                                 
                                  蒙太奇(augmentedData“BorderSize”,10)
                                 
                                  %训练数据进行预处理
                                 
                                  trainingData =变换(augmentedTrainingData @(数据)preprocessData(数据、inputSize));
                                 
                                  validationData =变换(validationData @(数据)preprocessData(数据、inputSize));
                                 
                                  data =阅读(trainingData);
                                 
                                  我={1}数据;
                                 
                                  bbox ={2}数据;
                                 
                                  annotatedImage = insertObjectAnnotation(我“矩形”bbox,标签);
                                 
                                  annotatedImage = imresize (annotatedImage 2);
                                 
                                  图
                                 
                                  imshow (annotatedImage)
                                 
                                  %的火车快R-CNN
                                 
                                  选择= trainingOptions (“个”,…
                                 
                                  “MaxEpochs”4…
                                 
                                  “MiniBatchSize”2,…
                                 
                                  “InitialLearnRate”1 e - 3,…
                                 
                                  “CheckpointPath”tempdir,…
                                 
                                  “ValidationData”,validationData);
                                 
                                  %火车R-CNN探测器越快。
                                 
                                  % * NegativeOverlapRange和PositiveOverlapRange确保调整
                                 
                                  %,训练样本与地面紧密重叠
                                 
                                  %的真理。
                                 
                                  [探测器,信息]= trainFasterRCNNObjectDetector (trainingData lgraph,选项,…
                                 
                                  “NegativeOverlapRange”,0.3 [0],…
                                 
                                  “PositiveOverlapRange”(0.6 - 1));

谢谢!

但是当我想火车resnet50 +快R-CNN CPU使用1920 * 1080图片,inputsize设置为224 * 224,miniBatchSize 8,我发现有时候内存使用超过24 gb。(当训练等大miniBatchSize GPU发生错误”设备上的数据已不复存在。”)

当我inputsize设置为500 * 500,miniBatchSize 16日发生一个错误,我要求32 * 32 * 1024 * 13166 (51.4 gb)数组。如此之大。

所以我认为也许是因为有一些问题在代码中(实际上这是更快R-CNN例子),或CPU和坏的GPU需要更多内存吗?(我的GPU GTX 980 Ti)

Mahesh Taparia 2020年7月17日

嗨

如果您使用的是1920 * 1080大小(HD)形象,试图减少其大小,然后开始训练。大的图片需要更多的内存。同时,设置的执行环境的gpu的培训选项在您的代码,即

                                  选择= trainingOptions (“个”,…
                                 
                                  “MaxEpochs”4…
                                 
                                  “MiniBatchSize”2,…
                                 
                                  “InitialLearnRate”1 e - 3,…
                                 
                                  “CheckpointPath”tempdir,…
                                 
                                  “ValidationData”validationData,…
                                 
                                  “ExecutionEnvironment”,“图形”,…
                                 
                                  );

并检查如果问题得到解决。

登录置评。

类别

图像处理和计算机视觉计算机视觉的工具箱识别、目标检测和语义分割对象检测

找到更多的在对象检测在帮助中心和文件交换

下载188bet金宝搏

释放

R2020a

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

如何知道GPU内存需要训练检测器时网络更快R-CNN吗?

0评论
显示1年长的评论藏1年长的评论

接受的答案

2的评论
显示1年长的评论藏1年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

如何知道GPU内存需要训练检测器时网络更快R-CNN吗?

0评论 显示1年长的评论藏1年长的评论

接受的答案

2的评论 显示1年长的评论藏1年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

0评论
显示1年长的评论藏1年长的评论

2的评论
显示1年长的评论藏1年长的评论