是否可以减少convert_imageset.cpp中批处理图像的数量以解决GPU内存不足的问题？

Question

我试图在我的caffe数据上运行fcn。我能够通过convert_imageset内置函数caffe将我的图像集转换为lmdb。但是，一旦我想训练net，它给了我下面的错误：

Check failed: error == cudaSuccess (2 vs. 0) out of memory 
*** Check failure stack trace: *** 
..... 
Aborted (core dumped) 

我经历了许多在线资源去解决内存故障，但其中大部分建议减少批量大小。甚至，我将图像的大小缩小到256x256。我还没有解决这个问题。 我用这个命令nvidia-smi检查了GPU的内存，型号是Nvidia GT 730，内存是1998 MiB。由于train_val.prototxt中的批量大小为1，因此我不能在train_val.prototxt中做任何事情。所以我的问题是：

1. 通过查看终端日志文件，我意识到，只要convert_imageset转换数据为LMDB，它正在1000图像在一组。是否有可能我将这个数字改成143和151的convert_imageset.cpp更小（例如2;一次取两个图像），重新编译caffe，然后使用convert_imageset将图像转换为lmdb？是否有意义？
2. 如果问题1的答案是肯定的，我该如何再次编译caffe， 应该删除build文件夹，并再次从 从头开始执行caffe安装？
3. caffe如何处理LMDB数据？是否像运行convert_imagenet时显示一批显示1000个图像？

您的帮助真的很感谢。 谢谢...

Answer 1

1. 据我所知，对于致力于在在CUDA内存不足每笔交易（txn->Commit();），以lmdb条目的数量没有影响。

2. 如果您确实想因任何原因重新编译caffe，只需运行make clean即可。这将清除一切，让你从头开始重新编译。

3. 同样，AFAIK，咖啡一次访问图像，而不管写入数据集时使用的事务大小的大小如何。

确定batch_size被设置为1 都训练和测试阶段？