![Tensorflow Deep MNIST：资源枯竭：分配具有形状的张量时为OOM [10000,32,28,28]](http://www.mshxw.com/aiimages/31/625307.png "Tensorflow Deep MNIST：资源枯竭：分配具有形状的张量时为OOM [10000,32,28,28]")
这是我解决此问题的方法：错误表示在准确性评估期间GPU内存不足。因此，它需要一个较小的数据集，可以通过批量使用数据来实现。因此，与其在整个测试数据集上运行代码，不如在本文中提到的那样需要分批运行
因此，为了对测试数据集进行准确性评估，而不是以下位置：
print("test accuracy %g"%accuracy.eval(feed_dict={ x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))可以使用：
for i in xrange(10): testSet = mnist.test.next_batch(50) print("test accuracy %g"%accuracy.eval(feed_dict={ x: testSet[0], y_: testSet[1], keep_prob: 1.0}))当我跑
1000 epochs的
training和使用
10 batches的
batch_size = 50对
accuracyevaluation，我得到了以下结果：
step 0, training accuracy 0.04step 100, training accuracy 0.88step 200, training accuracy 0.9step 300, training accuracy 0.88step 400, training accuracy 0.94step 500, training accuracy 0.96step 600, training accuracy 0.94step 700, training accuracy 0.96step 800, training accuracy 0.9step 900, training accuracy 1test accuracy 1test accuracy 0.92test accuracy 1test accuracy 1test accuracy 0.94test accuracy 0.96test accuracy 0.92test accuracy 0.96test accuracy 0.92test accuracy 0.94
