预训练问题

1404200514 · 发表于 2020-11-8 21:10:19

zs 发表于 2020-11-8 21:02
没有关系。你把训练时的最后一个选项改为N就行

预训练改成no了，报错
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[6,512,144,144] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc
[[node Conv2D_35 (defined at F:\NVIDIA802\_internal\DeepFaceLab\core\leras\layers\Conv2D.py:99) ]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

[[node concat (defined at F:\NVIDIA802\_internal\DeepFaceLab\models\Model_SAEHD\Model.py:484) ]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

马上就好 · 发表于 2020-11-8 23:40:02

放model 把预训练那一项改成N

1404200514 · 发表于 2020-11-8 23:51:02

马上就好发表于 2020-11-8 23:40
放model 把预训练那一项改成N

放model里了，预训练也改成no了，还有什么要改的吗。我想问一下，这个仙丹具体的使用方法到底是什么。我是参照仙丹里的设置脸图分辨率截图的WF\288，然后把仙丹放model里，再运行7) 应用重量级模型 merge SAEHD，然后选择仙丹训练，然后把最后一项预训练改成no。。。。。是这个流程吗？我还是报错

马上就好 · 发表于 2020-11-8 23:56:50

oom错误是由于显存不足引起的显卡的问题
可能的解决方法：运行7) 应用重量级模型 merge SAEHD之后连续敲三次回车进入设置修改将Batch Size的数值改小例如bs是8 那就改为4或者更低

马上就好 · 发表于 2020-11-8 23:57:16

改了bs之后然后一路回车看是否还会出现oom错误如果bs改到1还是出现oom错误那么就说明你的显卡带不动这个仙丹的最低运行要求考虑换配置要求更低的仙丹

马上就好 · 发表于 2020-11-8 23:59:45

抱歉没看仔细不是运行7) 应用重量级模型 merge SAEHD 而是运行第六步训练重量级模型 train SAEHD

fytxh26 · 发表于 2020-11-11 00:13:34

哦，原来预训练是这么回事。受教。

as3231177 · 发表于 2021-1-9 17:16:46

努力水贴攒仙丹！！

anweishijian · 发表于 2021-1-15 19:10:21

提示: 作者被禁止或删除内容自动屏蔽

haiou_f · 发表于 2021-3-5 20:52:48

我也是不明不白的

		自动登录	找回密码
密码			立即注册（仅限QQ邮箱）