在CNN模型中使用更多图层时出现内存错误

在我的Dell Core i7-16GB RAM-4gb 960m GPU笔记本电脑上，我正在使用3d CNN对肺部CT图像进行分类的项目。我正在使用Tensorflow的CPU版本。图像准备为numpy数组大小（25,50,50）。

我的CNN模型具有2个转换层，2个maxpool层，1个FC层和输出层。通过这种架构，我可以训练大约（5000至6000）个样本的模型。添加更多层后，我的模型现在具有6个转换层，3个最大池层，FC和输出层。我的问题是在更改架构后，仅使用了1000多个样本，我的内存被填满，并且出现内存错误。我试图做较小的批次，但是每次都会出现相同的错误。我有两个问题：

1. 为什么通过添加更多层，模型需要更多内存？

2. 有什么办法可以解决这类问题？

1. 层越多，网络的参数就越多，这反过来又意味着需要更多的内存空间来存储这些参数。

2. 唯一的解决方案（除了增加计算机的内存之外）是减小网络的大小。关于此的一些提示：首先，3D CNN比2D CNN需要更多的空间。一种想法可能是转换为二维。除此之外，具有最多参数的层是FC层。这些有时是多余的。我建议先减小那些的大小。

除了MzdR，您还可以尝试使用生成器。由于您是模特，在训练时实际上并不需要将所有图像都存储在内存中，因此我认为生成器应该很好用。

从stackoverflow 检出此问题。内存交易时，生成器非常酷。但是，如果仍然失败，请尝试减小FC层的大小。