Большие ограничения входного изображения для обучения передаче VGG19
Я использую Tensorflow (используя Keras API) в Python 3.0. Я использую предварительно обученную сеть VGG19 для передачи стилей на Nvidia RTX 2070.
Самое большое входное изображение, которое у меня есть, - 4500x4500 пикселей (я удалил полностью подключенные слои в VGG19, чтобы создать полностью сверточную сеть, которая обрабатывает изображения произвольных размеров.) Если это помогает, размер пакета составляет всего 1 изображение на время в настоящее время.
1.) Есть ли возможность распараллелить оценку модели на входе изображения, учитывая, что я не тренирую модель, а просто передаю данные через предварительно обученную модель?
2.) Есть ли увеличение пропускной способности для обработки больших изображений при переходе с 1 GPU на 2 GPU? Есть ли способ для разделения памяти между графическими процессорами?
Я не уверен, что большие изображения делают мой GPU связанным с вычислениями или связанным с памятью. Я предполагаю, что это вычислительная проблема, с которой начался мой поиск параллельных дискуссий по оценке CNN. Я видел несколько статей о методах листов, которые, кажется, позволяют большие изображения