每次我尝试运行 model.predict() 时，如果图片过大就会抛出错误（这点可以理解），但错误信息显示 tensorflow/core/framework/allocator.cc:101] Allocation of 3717120800 exceeds 10% of system memory 是的，我的系统有32GB内存，但为什么不能使用20%甚至30%呢？（顺便说一下，这些测试中CUDA是被禁用的，因为我的GPU只有6GB）另外：我知道这是一个警告而不是错误，但程序在几秒后崩溃了，并且没有给我其他输出 ;(

这是模型代码：

def build_dce_net():    input_img = keras.Input(shape=[None, None, 3])    conv1 = layers.Conv2D(        32, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(input_img)    conv2 = layers.Conv2D(        64, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(conv1)    conv3 = layers.Conv2D(        96, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(conv2)    conv4 = layers.Conv2D(        96, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(conv3)    int_con1 = layers.Concatenate(axis=-1)([conv4, conv3])    conv5 = layers.Conv2D(        64, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(int_con1)    int_con2 = layers.Concatenate(axis=-1)([conv5, conv2])    conv6 = layers.Conv2D(        32, (3, 3), strides=(1, 1), activation="relu", padding="same"    )(int_con2)    int_con3 = layers.Concatenate(axis=-1)([conv6, conv1])    x_r = layers.Conv2D(24, (3, 3), strides=(1, 1), activation="tanh", padding="same")(        int_con3    )    #return keras.models.load_model('./high-res-trained')    return keras.Model(inputs=input_img, outputs=x_r)

是的，所有的代码都是正常缩进的，但在stackoverflow上仍然无法正常工作

编辑：在Ubuntu上运行模型后，我得到了一个更有用的日志：

2022-05-31 13:41:27.744568: W tensorflow/core/framework/cpu_allocator_impl.cc:82] Allocation of 9663676416 exceeds 10% of free system memory.2022-05-31 13:41:29.461537: W tensorflow/core/framework/cpu_allocator_impl.cc:82] Allocation of 14495514624 exceeds 10% of free system memory.terminate called after throwing an instance of 'std::bad_alloc'  what():  std::bad_allocAborted

回答：

我也有同样的问题。我在Linux上设置了交换内存。然后问题就解决了。