我的模型接收一张图片并计算某个值，输入层是一个裁剪层，用于从图片的顶部和底部移除一定数量的像素。模型运行得相当好，但是当我更改裁剪层的设置时，例如，将顶部移除的像素从75改为25，浏览器窗口（Chrome）会闪烁并输出以下错误：
注意：在上述错误之前，它会打印出以下消息 Couldn't parse line number in error，随后是看起来像是GLSL代码的内容。
如果完全移除裁剪层，也会出现相同的错误。
我使用的是tfjs v3.8.0版本，但也测试了v2.0.0版本，结果类似。这是我的模型：
const model = tf.sequential();// Cropping Layermodel.add( tf.layers.cropping2D({ // 如果我将75改为低于50的任何值，它会在完成第一个epoch之前崩溃， // 如果移除这一层，它几乎会在训练开始后立即崩溃 cropping: [ [75, 25], [0, 0] ], // 图片高度，宽度，深度 inputShape: [160, 320, 3] }));model.add( tf.layers.conv2d({ filters: 16, kernelSize: [3, 3], strides: [2, 2], activation: 'relu', }));model.add( tf.layers.maxPool2d({ poolSize: [2, 2] }));model.add( tf.layers.conv2d({ filters: 32, kernelSize: [3, 3], strides: [2, 2], activation: 'relu' }));model.add( tf.layers.maxPool2d({ poolSize: [2, 2] }));model.add( tf.layers.flatten());model.add( tf.layers.dense({ units: 1024, activation: 'relu' }));model.add( tf.layers.dropout({ rate: 0.25 }));model.add( tf.layers.dense({ units: 128, activation: 'relu' }));model.add( tf.layers.dense({ units: 1, activation: 'linear' }));model.compile({ optimizer: 'adam', loss: 'meanSquaredError', metrics: [ 'accuracy', ],});我做错了什么明显的地方吗？
回答：
正如@vladimir-mandic建议的，问题最终确实是由于GPU内存不足引起的。但将WEBGL_DELETE_TEXTURE_THRESHOLD设置为零在我的情况下没有帮助。
我花了一段时间来验证这一点，因为它发生在批次之间，我无法通过tf.memory()在batchEnd跟踪，因为在回调中内存已经释放，或者GPU会在到达该点之前崩溃。我最终采取了以下两个措施来克服这个问题：
- 减小图像尺寸：裁剪层有助于避免达到“内存不足”的状态，因此移除它或减少裁剪的像素数量会导致应用程序崩溃。但由于它也分配张量，我决定在将图像输入模型之前，通过canvas操作调整图像大小。
- 减小batchSize：我一直在使用默认的batchSize 32，直到我将其减小时，我才注意到崩溃问题消失了，这促使我调查
model.fitDataset的内部工作原理，并发现了批次之间过度消耗内存的问题。
正如@vladimir-mandic推荐的，将WEBGL_DELETE_TEXTURE_THRESHOLD设置为0也应该有助于缓解这个问题，但在我的情况下我没有注意到明显的效果，所以我最终没有使用它。
