内存问题资源extexhustedError OOM在CNN模型中分配张量时 - 如何降低数字参数？

Question

我的二进制分类模型的图像将我调整为224x224分辨率。我的基本CNN模型定义如下：

input_shape
(224, 224, 3)

cnn_model = tf.keras.Sequential([
   Conv2D(32, (5,5), padding = 'same', activation = 'relu', input_shape =(input_shape)),
   Conv2D(128, (3,3), padding = 'same', activation = 'relu', input_shape =(input_shape)),
   MaxPooling2D(2,2),
   Flatten(),
   Dense(128, activation = 'relu'),
   Dense(1, activation = "sigmoid"),                       

])

cnn_model.summary()

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 224, 224, 32)      2432      
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 224, 224, 128)     36992     
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 112, 112, 128)     0         
_________________________________________________________________
flatten (Flatten)            (None, 1605632)           0         
_________________________________________________________________
dense (Dense)                (None, 128)               205521024 
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 129       
=================================================================
Total params: 205,560,577
Trainable params: 205,560,577
Non-trainable params: 0

它给我带来了错误错误，（ResourceExhustedError：OOM使用形状分配张量时[1605632,128] [1605632,128]，然后键入float/job：localhost/poplica：local -host/poplica：0/task：0/task ：gpu：0分配器gpu_0_bfc）当我尝试训练模型时。

因此，我可以看到Flatten（）层中有1605632个参数。

如何更改架构以减少这些参数的数量？ 我不想更改分辨率，因为我还将使用Visual Transformer验证​​的模型，这将需要224 x 224分辨率。

谢谢你！